图像配准是图像处理的基本任务之一,用于将不同时间、不同传感器、不同视角及不同拍摄条件下获取的两幅或多幅图像进行(主要是几何意义上的)匹配。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,配准效果将直接影响到其后续图像处理工作的效果。目前提出的图像配准算法大多可分为基于灰度的配准方法和基于特征的配准方法。基于灰度的配准方法计算复杂度高、对图像的灰度、旋转、形变以及遮挡都比较敏感,而基于特征的配准方法可以克服这些缺点,从而在图像配准领域得到了广泛应用。但是,基于特征的图像配准方法主要存在以下难点:特征提取的多样性和相似性计算的复杂性。本文针对这两个难点做了以下几方面的工作:第一,在综合分析了各种边缘提取方法优缺点的基础上,采用小波多尺度积提取图像的边缘及其特征点,同时保留特征点的角度信息。第二,在小波多尺度积提取的边缘图像和特征点的基础上,利用对齐度匹配准则的优点,提出了基于边缘特征点对对齐度的图像配准方法。该方法利用小波多尺度积准确地提取边缘图像和特征点,然后根据特征点的角度直方图得到的旋转角度,计算所有特征点对在边缘图像中的对齐度,从而精确地确定匹配点对。第三,将图像的特征信息与互信息结合起来,提出了基于特征点对互信息的图像配准方法。它只需针对提取出来的特征点进行计算,计算量大大减少,同时,在得到匹配点对的过程中,无须进行最优搜索,从而避免了陷入局部极值。针对以上每一方面的工作,我们都给出了实验效果及分析。我们可以看到,利用小波多尺度积提取出的边缘图像和特征点,分别结合边缘特征点对对齐度和特征点对互信息这两种匹配准则,得到的基于边缘特征点对对齐度的图像配准算法和基于特征点对互信息的图像配准方法,在精度,速度及鲁棒性等方面都达到了比较满意的效果,并且基于特征点对互信息的图像配准方法可以很好的应用于多传感器图像。