图像配准技术是将不同时间、不同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的图像处理过程,是图像处理的一个基本问题,也是前提和关键问题。图像配准的方法大致可以分为两类:基于像素的图像配准方法和基于特征的图像配准方法。本文对比研究了这两种常用方法,基于特征点的图像配准方法是目前图像配准最常用的方法之一,其最大的优点在于能够将对整个图像进行的各种分析转化为对图像点特征的分析,从而大大减小了图像处理过程的运算量。因此,本文将基于特征点的图像配准方法作为研究的重点。特征提取的准确程度和定位精确程度将对整个配准过程产生很大的影响。本文通过对点特征提取方法的分析,详细研究了基于Harris和Susan算子的点特征提取和配准方法以及归一化互相关原理(NCC),并实现了基于NCC配准准则的Harris和Susan算子的特征点匹配。随后研究了具有尺度平移不变性的SIFT图像配准算法,通过对SIFT特征匹配及约束条件的分析,针对SIFT特征匹配原理中错误匹配对较多的现象,使用双向特征匹配的方法,提出了改进的SIFT特征点匹配算法,该算法不但具有尺度旋转不变性,而且减少了错误匹配对,提高了精度,并通过仿真实验对比验证了该方法的有效性。最后,本文讨论了图像配准的一个重要应用领域——图像拼接。本文在基于改进的SIFT特征点提取和配准的基础上实现了图象拼接算法,并采用修正的补光算法很好地解决了图像拼接过程中常见的“拼缝”现象。通过实验仿真完成整个图像拼接的全过程,通过对比实验验证了本文提出的方法具有更好的拼接效果。