图像配准是多源数据融合、时序图像分析、目标检测、模式识别、图像镶嵌等实际应用的重要步骤。随着图像获取手段和技术的不断扩展和提高，图像配准所面临的配准精度低、成功率低、实时性差等问题也日益突出。本文针对以上问题，按照配准前预处理、同源图像配准和异源图像配准的逻辑主线展开，以构建精度高、成功率高和快速实用的配准算法为目的，在大量红外、可见光和多光谱图像数据支持下，重点分析和研究了同源、异源图像配准中遇到的各项关键技术，同时深入探讨了像素/亚像素级配准算法的整体设计。采用多层次、多角度的实验分析对本文研究成果进行验证。论文主要工作及创新成果凝练如下：为提高图像配准的精度和成功率，研究了三种图像预处理方案：首先针对配准图像清晰度和对比度弱的问题，提出了一种自适应的图像灰度及细节增强算法，该算法将人眼的视觉特性和经典图像增强算法相结合，利用灰度和梯度的统计特征达到了图像自适应增强的目的。其次，针对配准图像边缘及纹理等模糊的问题，设计了一种有效的基于边缘显著度的图像增强算法，该算法旨在提高边缘及纹理区域的对比度并为后续利用边缘特征进行异源图像的配准奠定基础。最后，针对配准图像随机噪声和脉冲噪声的污染问题，提出一种结合均值滤波的中值滤波算法。本算法根据图像的景物特征和噪声分布情况自适应的改变滤波窗口的大小、形状及滤波方法，有效地去除随机噪声和脉冲噪声，并在视觉注意模型中用于去除图像幅度谱中的冗余信息。基于特征的同源图像配准方面。首先，针对现有特征描述子复杂度高及鲁棒性差的问题，提出一种基于梯度向量的特征描述子。本文描述子在继承经典特征点提取算子优势的基础上，克服其尺度变换敏感的缺陷且符合人眼视觉的仿生学原理。以该特征描述子为核心设计的一种基于梯度特征的配准算法对平移、旋转性好，且具有一定的尺度不变性；对于较大几何尺度的畸变配准成功率仍然达到100%，精度可达到亚像素级。同时，针对大面积图像配准实时性、鲁棒性差的问题，提出一种基于子图的快速图像配准算法。在平移范围相对不大的前提下，本文通过自动子图寻优提取结构清晰、信息丰富的子图代替大图进行基于梯度特征的图像配准，提高了配准的精度和速度。基于区域的异源图像配准方面。首先，从分析汇总图像场景特征出发，指出了传统FMT配准方法中高通滤波在提取高频信息方面的局限性，提出了一种基于二值边缘图像的E-FMT配准算法。新的边缘FMT配准算法在配准边缘特征明显的图像方面，表现出较强的鲁棒性和实时性。其次，在总结现有基于灰度配准算法存在问题的基础上，提出一种基于边缘区域互相关的异源图像配准算法。新算法从关联特征提取、相似性度量函数的选取、搜索算法的优化等三个方面进行综合改进，使得配准精度可达亚像素级，同时提高了配准的实时性。最后，针对一类具有视觉显著区域的图像，提出一种谱分离的视觉注意模型，并利用形态学方法进行增强和提取，该模型在显著区域的提取方面相比经典视觉模型更加准确和完整。同时，本文提出最小相关图像的概念，使之代替大图进行配准，提高了配准的实时性。