图像配准技术在图像处理领域中占有十分重要的位置,是图像处理领域的一个研究热点。配准算法主要分为基于区域的配准与基于特征的配准,基于区域的配准算法对于灰度变化敏感,导致配准准确度不理想,并且运算量较大、速率较低;基于特征的配准算法的计算量相对较小、鲁棒性相对较强,对图像偏移和旋转等变化的适应能力较强。已逐渐成为图像配准领域的主流方向,其中使用最广泛的是基于点特征的配准算法。本文对已有的配准算法进行研究,分析目前经典算法的不足,针对不同变化的图像对算法的性能展开研究。通过理论性研究,本文为提高算法的准确率与精度,提出了相应的改进算法。本文的主要工作如下:⑴针对经典SURF算法以及KAZE算法展开研究,分析出原始算法的基本原理、实现步骤与配准性能等。⑵为了解决传统SURF算法存在的问题,提高彩色图像配准的精度和准确率,提出一种双向邻近匹配的彩色图像配准算法。该算法对传统的SURF描述符进行改进,将图像的色彩信息叠加在只包含灰度信息的传统SURF特征描述符上,组成改进的SURF特征描述符,以增强彩色信息对配准的影响,提高配准的准确率;采用FLANN算法搜索匹配点对,并对匹配点对进行双向邻近匹配,以提高搜索效率和匹配精度;通过改进的RANSAC算法对匹配错误的特征点对进行删除,以便更深入地优化匹配结果。实验结果表明,该算法能够有效地提高彩色图像配准的精度和准确率,具有较好的图像变换适应性和鲁棒性。⑶为了提高图像配准算法对于模糊图像的配准性能,提出一种融合非线性尺度空间和空间余弦相似度的自适应模糊图像配准算法。该算法将非线性尺度空间理论应用于图像的局部特征提取,采用KAZE算法提取图像的特征点,以构成M-SURF特征描述符;利用空间余弦对图像特征点进行匹配,并根据不同的图像特性进行自适应阈值匹配,以得到便于寻求最优变换关系的合理数量的匹配点对;将错误匹配点对滤除,匹配点对质量得以提升,同时配准精度也在一定程度上得到提高。实验结果表明,本文算法相比原算法在准确率与精度方面都有所提升。