多时相遥感图像的配准是对多幅图像进行几何意义上的对齐,是图像融合、变化检测等应用的基础,影响着后续图像处理的精度。合成孔径雷达是一种主动式微波相干成像系统,其发射的微波可以穿透多云多雨的大气层。相比于光学成像系统对成像时间和环境存在的依赖性,它可以全天时、全天候工作,因而具有诸多优势,在多方面得到广泛应用。本论文将以SAR图像稳定特征点提取算法为基础,研究基于点特征的SAR图像配准方法,主要工作和贡献如下:首先,对SAR图像角点检测方法进行分析。针对在多时相SAR图像中由于地物变化而导致的特征点误匹配问题,提出了一种稳定特征点检测方法。首先提出了一种计算简单,检测精度高,可以抗斑点噪声的角点检测方法—SAR-FAST。它基于光学FAST检测算法,保持了其良好的检测精度以及计算效率。为了减少斑点噪声的影响以及提高检测效率,SAR-FAST使用迭代引导滤波算法对图像进行预处理,同时扩大了原始FAST算法的检测半径,并增大其检测窗口。最后,在特征点的基础上加入稳定信息,获得稳定特征点。其次,利用特征描述子获得角点的局部特征信息,并对描述子进行匹配,获得图像之间的匹配参数,将其作为粗配准结果。为得到精确的配准结果,本论文首先选用四种现有的描述子对特征点进行匹配:经典的SIFT描述子;描述性能更佳的DSP-SIFT描述子;针对SAR图像特性的SAR-SIFT描述子;计算简单、消耗低,且抗噪声能力强的二进制描述子LATCH。然后,本论文把DSP-SIFT的思想应用于LATCH,获得DSP-LATCH描述子。以上五种描述子的匹配实验结果表明,本文提出的DSP-LATCH可以获得更多的匹配点对,具有更好的匹配性能。最后,在粗配准基础上对SAR图像进行精配准。本论文使用三种方式进行精确配准:经典的互信息方法,在粗配准结果的基础上,利用Powell算法寻找两幅图像最优的配准位置;点集匹配方法,即根据点集之间相关矩阵对转换参数进行更新;以及三角网方法,它利用Delaunay三角剖分算法在特征点之间构建三角网,把每个三角网作为最小单元进行配准,可以解决局部几何形变和全局几何形变矛盾的问题。实验结果证明了上述三种算法在精确配准过程中的有效性。