针对传统红外光源摄像机与可见光源摄像机联合监控时,配准精度低的问题,提出一种不需要人工预配准的、基于两种图像运动目标检测的配准方法。围绕本文配准方法,核心的算法改进工作包括:针对红外图像运动目标检测存在的背景干扰多、检测精度低等问题,在传统LBF(Local Binary Feature)方法的基础上,提出一种基于帧间差分和夹逼LBF水平集模型的红外运动目标检测方法。通过快速帧间运算,为水平集模型提供基础的运动目标信息;提出双向夹逼迭代LBF运算方法,通过目标内外区域的双向边界迭代收敛,解决传统LBF水平集方法对目标初始信息高度依赖的问题,在帧差运算基础上进一步精确红外目标的区域。针对可见光图像运动目标检测存在的检测速度慢、检测精度低等问题,在传统GMM(Gaussian Mixed Model)方法的基础上,提出一种基于模态分析的分块GMM可见光运动目标检测方法。通过对图像中像素点混合高斯模型进行高斯模态分析,减少模型整体冗余运算量,提高运动目标检测速度;通过采用像素区域分块的方法,融合序列帧空间信息,提高所检测目标的完整性。在红外和可见光图像运动目标检测结果的基础上,提出一种基于自适应Harris和双向多尺度相似度量的红外—可见图像配准方法。通过采用自适应的Harris计算阈值,保证在目标前景区域具有适当的用于配准计算的特征点数量;提出融合互信息和梯度方向信息的双向异源图像特征点相似度计算方法,并结合RANSAC的改进方法最终完成红外—可见光图像的精确配准。论文在算法改进设计的基础上,完成算法整合实现,并进行相关的实验比较和验证。实验证明,本文所提出的红外—可见图像配准方法,与现有的基于运动目标检测的配准方法相比,具有更高的配准精度;在场景中有明显运动目标的前提下,与其他非基于运动目标检测的配准方法相比,具有更高的配准精度。