如何实现图像快速、鲁棒、精确的配准是计算机视觉领域的一个基本问题，本文针对同源图像及异源图像配准技术展开研究。针对同源可见光图像配准问题，提出并设计实现了一种基于特征点的配准算法；针对异源可见光与红外图像配准问题，提出并设计实现了一种基于粒子群和互信息相结合的配准算法；针对配准算法计算量大、部分计算具有并行性的特点，利用CUDA异构编程实现对算法的加速。本文主要工作及创新如下：（1）对于同源可见光图像配准，通过构建高斯尺度空间，在高斯金字塔中利用协方差矩阵提取局部极大值点，使特征点具有尺度不变性；在以特征点为中心的局部区域内，通过统计矩不变量确定局部区域的主方向，使特征点具有旋转不变性；利用按高斯分布的采样点对生成256维二值描述符，使特征点具有较好的辨识度，且对模糊和亮度变化不敏感。通过大量实验，证明本文所提算法正确匹配率高，鲁棒性好，计算效率高。（2）针对特征点提取算法中图像的预处理（滤波和上采样）、高斯金字塔的生成，和计算协方差矩阵的内在并行性，利用CUDAC语言实现GPU-CPU异构编程。实验证明得到了很好的加速比；通过实验分析了影响加速比的因素，推导了影响加速比极值的条件。（3）对于异源可见光与红外图像配准，以互信息为相似性度量条件，以粒子群算法为搜索算法，在搜索空间中搜索极大值点，通过改变图像分辨率，由粗到精，逐步实现可见光图像与红外图像的配准。实验证明，在不降低精度的前提下提高了算法效率。（4）针对粒子群算法、统计互信息和仿射变换三个部分的内在并行性，利用CUDA C语言实现GPU-CPU异构编程。实验证明得到了很好的加速比；通过实验分析了影响加速比的因素，推导了影响加速比极值的条件。