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、不同传感器或不同条件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。图像配准是多种图像处理及应用如目标识别、变化检测、三维建模等的基础,由于其在多个领域的广泛应用及本身的复杂性,它已经成为了当前数字图像处理研究的热点问题之一。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。它有两个重要的环节:一是边缘特征点的提取,二是相似性度量,即特征匹配准则。两者都是基于特征的图像配准的关键。因此,本论文就对这两个方面进行了重点研究改进。在特征点提取阶段,角点作为图像的一个重要的局部特征,在保留了图像中物体重要特征信息的同时有效地减少了信息的数据量,成为图像理解和模式识别中重要的图像特征。我们将研究重点放在了在已有角点的基础上如何筛选出更稳定更有效的特征点上,为此,我们引入了条件数的概念,它对角点的稳定性进行了一个定量的分析,通过删除不稳定的角点,可有效地克服因噪声和其它因素引起的误差影响,从而提高了整个配准算法的性能。在选择匹配准则阶段,错误匹配点对的存在使得常用的匹配方法对变换的估计变得困难甚至失败。因此我们选择了在这方面具有良好表现的RANSAC算法,在考虑误配存在的情况下能够很好地消除其影响,并将它们识别出来,然后依据变换评价函数计算出最优的变换。同时根据RANSAC算法的思想,重点研究了凸包所特有的仿射不变性与局部可控性,提出了凸包仿RANSAC算法,极大的减少了计算量,提高了计算速度,并在凸包形成阶段提出了一种基于斜率的快速凸包算法,使配准过程更加高效。最后,通过大量实验及分析,对提出的基于条件数与凸包的图像配准算法进行了验证,基于条件数的图像配准算法有效地降低了误匹配率,提高了配准精度,而基于凸包的图像配准算法在减少配准时间上有良好表现,在保证配准精度的前提下,极大的提高了配准速度,均达到了良好的实验效果。