随着遥感技术的快速发展,遥感图像的获取方式逐渐呈现多样化的态势。在众多的遥感方式中,SAR传感器获取的图像拥有较强的穿透能力,容易获取不易察觉的地面目标特征;相对的,可见光图像拥有丰富的灰度纹理等光谱信息,具有良好的目视解译功能。因此,进行SAR与可见光遥感图像中信息的融合互补具有重要意义。而SAR与可见光图像配准作为遥感信息融合流程的基础环节,也成为近年来的研究热点。本文深入研究了SAR与可见光图像的配准技术,针对其中的配准难点和具体的应用环境提出两种基于特征点的配准方法。本文的研究内容及创新工作如下:首先,分类归纳了国内外图像配准方法的研究进展,通过分析SAR与可见光图像在辐射特性和几何特性方面的差异,针对由此造成的SAR与可见光图像的非线性辐射差异和几何变形等问题,本文提出从获取均匀鲁棒同名特征点和提高异源特征向量匹配正确率两个方面对SAR与可见光图像配准难题进行研究。其次,由于SAR与可见光图像非线性辐射差异问题和SAR图像中的斑点噪声问题,传统的图像配准方法提取的异源图像同名特征点数目少且不稳定,同时构造的描述符可靠性差,在SAR与可见光图像的配准任务中无法建立大量有效的匹配关系。为此,本文提出一种基于特征点均匀提取和梯度一致性的SIFT配准方法(PCURSIFT)。在特征点提取阶段,该方法利用相位一致性强度筛选和尺度空间网格划分相结合的方式从图像中获取稳定均匀特征点。在特征描述阶段,该方法利用扩展的相位一致性方法计算图像的梯度幅值和方向,并据此提高原始SIFT方法主方向计算和描述符构造环节的正确性。通过多组实验证明,该方法对各种灰度差异和噪声条件下的SAR与可见光图像具有很好的配准效果。最后,由于获取传感器高度和轨道差异等原因,需要进行匹配的SAR与可见光图像之间经常存在较大的视角差异现象,除了上文提到的非线性辐射差异和噪声问题外,图像会出现局部几何变形,影响描述符的正确性进而导致匹配成功率下降。针对此问题,本文提出基于改进ASIFT和RANSAC的SAR与可见光图像配准方法。在特征提取和构造阶段,通过组合ASIFT的算法框架和PCUR-SIFT方法获取具有全局仿射不变性的特征描述符。此外,本文提出一种改进RANSAC方法,该方法在原始的RANSAC方法上利用候选集合重采样和极端点去除方法结合的思路,有效地去除了粗糙匹配点对集合的错误匹配,同时避免了原始方法容易受初始采样影响出现匹配不稳定的现象。多组实测TerraSAR-X与Google Earth图像的配准实验表明,该方法对存在不同程度视角差异的异源图像配准任务具有更高的匹配成功率和配准精度。