图像配准是将不同条件下拍摄的同一目标的两幅或多幅图像在空间上对准叠加的过程。图像配准是图像变化检侧、三维重建、目标识别等图像处理技术的基础,在国防、卫星遥感、模式识别等领域中也起着十分重要的作用。随着卫星遥感等技术的发展,遥感图像获取方式不断多样化,但是由于图像成像条件不同,各种传感器成像机理各异,遥感图像的灰度变化、噪声分布存在着明显的差异,遥感图像配准仍面临不小的挑战。因此需要我们根据遥感图像的具体特性,有针对性的研究有效的配准方法。本文考虑到遥感图像的特点,在尺度不变特征变换SIFT算法及其改进算法SAR-SIFT的基础上,提出了以下三个基于点特征的遥感图像配准方法:(1)针对遥感图像中噪声以及显著的灰度变化导致配准失效或获取的正确匹配点对较少的问题,提出了一种基于相位一致性和空间一致性的遥感图像配准方法。该方法利用SIFT算法在相位一致性图像上检测特征点,生成特征描述子,结合空间域和频率域方法进行特征提取,实验结果表明相位一致性在频率域中对噪声较为鲁棒,而且能从图像中提取出大量的纹理信息,即使图像间存在显著的灰度变化,也能提取出足够多有效的特征。同时采用空间一致性条件约束特征匹配过程,实验结果表明有效改善了特征匹配的结果。(2)针对利用梯度算子提取特征容易遗漏邻域信息,以及同一特征点多个主方向对特征匹配造成干扰,导致获得的正确匹配点对较少的问题,提出了一种基于边缘纹理信息融合和欧式距离优化的遥感图像配准方法。该方法中融合了相位一致性提取的纹理信息和梯度提取的边缘信息,利用融合后的特征信息而非梯度生成特征描述子,减少了有效特征信息的缺失。在特征匹配阶段,该方法对特征点描述子的欧式距离进行了优化,使之更加准确,有效的减少了特征点多个主方向带来的干扰。文中通过相关实验验证了所提出的描述子生成方法和特征匹配方法的有效性。(3)针对具有相似邻域信息的特征点导致特征点错误匹配和正确匹配点对被遗漏的问题,提出了一种基于区域约束的遥感图像配准方法。该方法中结合特征点之间的特征距离和空间区域信息进行匹配,利用匹配点之间相对位置关系和三角区域表示仿射不变性质构造区域约束条件,排除了特征空间相近但坐标空间相距较远的特征点的干扰,实验结果表明该方法有效的减少了错误匹配,并增加了正确匹配点对数。