数字图像配准技术是将不同时间、不同传感器、不同视角以及不同拍摄条件下获取的同一场景的两幅或多幅图像进行配准的处理过程,是数字图像处理中的一个基本问题。配准的效果将直接影响到其后续图像处理工作的效果。数字图像配准主要分为三类方法:基于变换域的方法、基于特征的方法、基于灰度的方法。尽管图像配准技术的算法很多,但是没有哪一种算法能够适用于所有的图像。我们往往需要结合具体的情况,在算法精度、速度、鲁棒性上找到平衡,开发出适合图像特点的算法。本文重点研究了在基于变换域和基于特征的图像配准方法,并提出了一种基于特征的算法。基于变换域的算法是图像配准中经常使用的算法,它思路简单、具有一定程度的抗噪特性。文章详细讨论了利用傅里叶相位相关理论解决图像旋转、平移的问题,该方法引入了极坐标变换,将旋转角度因子变换为平移因子,再利用相位相关技术完成角度的估计。但是该方法必须以图像中心为旋转中心,否则会出现估计错误,故限制了自身的应用。本文介绍了基于特征的配准方法的概念、原理和常用算法。在此基础上提出一种鲁棒的基于特征点的配准算法。首先使用多尺度Harris角点检测算法,有效提高提取特征点的稳定度和精度;然后,利用欧式距离对特征点进行基于投票策略的初始配准;最后使用RANSAC(Random Sample Consensus)算法剔除伪匹配对,实现由粗到细(coarse-to-fine)的图像配准。实验结果表明,该算法精度高,鲁棒性强,对处理大旋转和平移的图像配准问题显示出良好的效果。图像配准技术的一个重要应用是对图像进行拼接。文章介绍了图像插值、拼缝消除等常见的图像拼接技术,采用渐入渐出的算法对完成配准后的图像进行了合成,取得了良好的效果。最后对本文的工作进行了总结,并对本文在图像配准领域仍需要深入研究的地方进行了展望。