在科学技术快速发展的今天，人们从外界获取的图像信息越来越多。如何利用计算机图像处理技术分析大量图像，以获得关于目标信息较为丰富的图像已逐渐成为众多科研人员的研究目标，而图像配准技术就是解决这一问题的关键。　　图像配准就是把不同成像条件下的两幅或多幅图像中的相同部分进行关联，使得图像之间的相同部分能够对应起来。图像配准的关键问题是构造相似性度量，它是用来寻找参考图像和待配准图像中同时出现的部分，并且建立对应关系。本文从相似性度量函数的构造展开研究，提出了两种特征匹配的方法，具体工作如下：　　(1)针对灰关联分析在图像配准精度以及配准图像中的局限性问题，利用图像中提取的SIFT特征描述子的特点，对灰关联分析中的分辨系数进行改进。改进后的方法在配准中能够根据输入图像的不同得到对应的分辨系数，从而提高了配准的精度。最后，采用本章提出的算法进行了图像拼接，拼接的效果自然，从而也反映了本章算法的匹配正确率较高。　　(2)针对基于成对几何约束的谱配准方法复杂度高，且对多目标图像配准正确率降低的缺点，提出了一种基于MK-NN图投票和多策略筛选的图像配准方法。本算法将改进的灰关联分析方法和SIFT特征匹配方法得到的候选匹配对进行融合，并将每一个匹配对看作MK-NN图中的一个顶点，需要接受其互K最近邻的投票。最后对每个候选匹配的投票得分求和排序就可以得到最佳匹配集。改进后的综合投票机制将特征点的几何信息和特征向量的相似度结合起来，解决了成对几何约束对于复杂图像配准准确性较低的问题。这一方法在保证配准精度的前提下，大大改进了算法的复杂度。