图像配准是图像处理领域的一个基础问题。它是将不同时间、不同的传感器或不同视角下获取的同一场景的两幅或多幅图像进行匹配、叠加的处理过程。图像配准已经成为一项重要技术,它被广泛地应用于遥感数据分析、计算机视觉、医学图像处理等领域。基于特征的图像配准方法是图像配准中最常见的方法之一。通过对现有的一些基于特征的图像配准方法的研究,我们发现尽管它们有较强的有效性和可靠性,有些还可以达到较高的配准精度。但是这些方法一般存在两大问题:方法的适用性较差和计算量较大。这为这些方法在不同领域中的应用带来了不便。如何提高配准方法的适应性和减小配准方法的计算量成为了本文的主要研究目的。在基于边缘特征的图像配准中有两个重要的环节:一是边缘特征点的提取,二是相似性度量,即特征匹配准则。边缘特征点提取的准确性及定位的精确程度将对相似性度量产生影响。换言之,选择不同的特征匹配准则将对边缘特征点提取有不同的要求。两者都是基于边缘特征的图像配准的关键。因此,我们就对这两个方面进行重点研究。论文主要涉及了以下几个内容:其一,通过分析小波多尺度边缘检测原理,以及小波变换对边缘和噪声影响的不同规律,提出了小波多尺度积边缘特征点提取算法。该算法能有效地保留特征点的方向信息,使得我们可以在后续步骤中方便地估计图像的大致旋转方向。其二,我们发现了一些特征匹配准则对图像小角度旋转不敏感的特性,并重点分析了相关度的这种特性。然后利用相关度和线性加权方法相结合,提出了一种渐进式的特征点匹配算法。该算法首先在不估计图像旋转方向的情况下进行初始匹配,如果不能得到足够的正确匹配,我们再对图像旋转方向进行估计。其三,我们提出了“特征子图”的概念和一种利用灰度直方图量化分析来辅助人工选取“特征子图”的方法。这种方法可以有效地减小特征提取和匹配的计算量,加快配准的速度。最后,我们综合以上方法提出了一种基于边缘特征的快速图像配准方法。与以前的图像配准方法相比,我们提出的方法在适应性和配准速度上都有很大的改进。在实验中,我们将其应用到各个领域的图像配准问题中,都能达到良好的配准效果和理想的速度。