图像配准是模式识别和图像处理的核心技术之一,广泛的应用于计算机视觉、军事、遥感和医学图像处理等众多领域。由于图像来源的多样性,待配准图像在尺度、角度、亮度等方面通常存在一种或多种变化,同时还受到复杂多变的成像畸变和噪声等因素的影响,因此,图像配准技术至今仍然面临严峻的挑战。局部不变特征提取技术不受图像旋转、尺寸、光照及模糊等因素的影响。与传统的基于灰度信息的配准技术相比,基于局部特征的配准方法具有更好的配准精度和鲁棒性,近年来已发展成为研究的热点和主流。传统的基于局部不变特征的配准算法在多源差异图像配准过程中,存在较多的冗余干扰信息,以及散落在相似局部结构的特征点误匹配率高等问题。本文主要围绕解决上述问题的算法改进开展研究：(1)SURF(Speeded-Up Robust Features)算法是一种较好的局部不变特征检测方法,比较适合处理多源差异图像的特征检测问题。传统的SURF算法需要对整幅图像进行检测,随着图像大小和数量的增多,算法的复杂度成几何级数增加。鉴于影响配准的有效特征点基本上都位于图像目标景物区域内,提出通过图像边缘检测和目标分割技术,来获取图像目标区域,并在此区域内进行SURF特征提取的算法改进思路。实验结果表明,基于目标区域的SURF特征配准算法,不仅有效的减少了特征检测区域和检测时间,同时还降低了冗余特征的干扰。(2)虽然局部特征描述符,能够描述图像所包含的具体景物的不同特性,但是对处于相似局部结构的特征点来说,易出现不正确的匹配。启发于全局特征描述符可以反映整幅图像的信息,提出了全局分布描述符,并结合局部特征描述符用来共同表征当前特征点的空间分布信息,以减少误匹配的算法改进思想。全局分布描述符仅对基于边缘轮廓区域内的特征点进行描述,通过引入光照敏感性较低的边缘积分图概念,由于求取边缘的积分图只需遍历一次原始图像,计算复杂度不高。通过对多组图像进行实验,发现本方法在没有明显增加算法计算复杂度的情况下,达到了增强特征点的独特性和降低误匹配率的目的。(3)为了验证改进算法的有效性,我们将基于改进的SURF配准算法应用于图像拼接,对于拼接中可能产生的拼接痕迹,采用插值技术和多频段图像融合算法,并对拼接后的图像进行亮度调整,达到了较好的拼接效果。