图像配准技术的研究是模式识别和计算机视觉领域中的最困难也最重要的课题之一。目前,广泛应用在视频压缩、图像复原、医学图像分析等多个领域,是图像数据层融合技术中首要解决的问题。由不同传感器、不同成像模式和不同时间得到的同一个对象的图像数据之间往往存在相对的平移、旋转、不同比例缩放等关系,对其进行综合分析和利用时,图像间的配准能解决这些问题。本文针对同一场景情况下,对图像配准问题进行了研究,具体工作如下:1、研究了基于灰度的图配准方法的概念、原理及常见方法。实现了基于Powell优化算法和基于PSO优化算法的灰度图像配准。2、基于点特征的图像配准中,特征点的提取和匹配策略是关键步骤。本文研究了几种特征点提取算子,包括Harris算子、SUSAN算子,还引入目前最新的SIFT局部特征。通过这三种算法对特征点的检测效率、旋转不变性和抗噪性能进行比较,给出了分析的结论。并改进了传统的Harris算法和SIFT算法,提高了特征点匹配的正确率和运行速率,使其在图像配准工作中更具可靠性和实时性。3、根据以上的分析结果,提出了图像手动拼接和自动拼接算法。手动拼接的优点是对配准点的正确率要求不高,灵活性大;自动拼接的优点是无需人工干预,使用方便。4、实现了图像配准系统。对于不同的图像,可以选择不同的配准策略,使系统变得更加灵活,可扩展性更强。