遥感技术的发展影响到国家经济的发展以及军事安全方面的需要。遥感图像的处理是遥感技术的关键步骤,此项技术的研究决定后续科研技术的发展。作为遥感图像处理的中心环节,图像配准始终是这方面研究的热点。首先简要介绍了图像配准领域的基本概念和方法,几何精校正和几何重采样作为图像配准的最后关键步骤,方法的效果决定了整体匹配的程度。所以有必要在已有的校正和重采样理论上针对具体的应用做出适合具体情况的调整,对整个配准的效果做到合理的调节。论文结合具体项目的需求对已有的算法进行了改进,提出了基于特征和小波变换的多尺度配准算法,并在理论和应用中检验了该算法的稳定和有效性,并提出一种基于学习的图像配准检验方法,用图像相似性的度量方法来有效地对配准后的图像进行评价,即将图像配准的度量问题转化为模式分类问题,由通过机器学习设计的分类器自动检验图像是否配准,对图像进行了配准检验,实验结果显示了该方法的可行性和可靠性。通过编程实现,对算法进行检验,证明算法符合本次数据处理工作的要求。并就改进算法与已有算法进行时间和准确率的对比,说明改进算法能够达到本次工作数据处理的要求,并且较好地证明算法的稳定程度。本文总体来说,达到了课题研究的目标定位,实现了课题的要求,对本项目的实践应用取得了实验的效果。对提出的对配准效果进行检验的方法,可以有效的对多种配准方法的结果进行检验,具有进一步深入研究的意义。