图像配准的定义是使相同时间但不同传感器或者相同传感器但不同时间获取的两幅或多幅图像在几何位置上达到空间一致性。它是图像处理领域中一个重要的技术环节，是图像超分辨率重建、图像拼接，三维图像重建的关键步骤。图像配准被广泛应用在医学图像、遥感图像等诸多领域中。近几年来，基于局部不变特征图像配准得到比较深入的研究，但图像配准过程中存在比较多的误匹配，使得配准精度不够高。针对这个问题本文提出尺度限制和空间限制剔除误匹配，从而提高图像配准精度。本文主要工作如下：（1）综述图像配准的研究意义、国内外现状和存在的难题；（2）综述图像配准的步骤并简单介绍每个步骤中几种常用的方法；（3）描述局部不变特征的相关内容，介绍包括基于特征点图像配准的步骤和SURF算法的详细步骤；（4）根据匹配特征点之间尺度差异和几何空间位置关系，提出尺度限制和空间限制的算法剔除误匹配，分别验证八组不同情况下的实验，结果表明将尺度限制和空间限制应用到图像配准中，将大大减少误匹配，有效地提高配准精度；最后对本文算法进行总结，提出不足之处，针对不足之处进行展望，提出一些建议，为日后科研人员提供宝贵的指引方向。