随着数字图像处理和计算机视觉技术的发展,图像配准技术已成为图像处理领域极为重要的一项技术,被广泛应用于遥感、军事、医学图像分析,机器视觉和模式识别等许多重要领域。近年来,诸多国内外学者围绕图像配准进行了深入研究,提出了多种高效的图像配准方法。其中最具经典的是Lowe提出的尺度不变特征变换(Scale Invariant Feature Transform,SIFT),SIFT特征在图像旋转、角度变换、仿射变换和尺度缩放条件下都保持良好的不变性。特征匹配作为图像配准过程中重要的一部分,一直以来都是学者们关注和研究的重点。本文的主要研究工作是基于改进SIFT算法的图像配准,旨在实现特征点精确搜索和有效匹配,本论文的主要内容如下:(1)详细介绍了图像配准的研究背景和国内外研究现状,给出了图像配准的原理和数学理论基础。介绍了几种常见的几何变换模型,为后续图像配准提供理论基础。(2)详细论述了SIFT算法原理,针对原SIFT算法在图像过程中存在误匹配、漏掉大量的正确匹配对以及正确匹配率低的问题,本文提出了一种基于尺度、方向和距离约束的改进的SIFT匹配算法,通过对特征点添加约束因子,剔除误匹配对。实验结果表明,本文方法能够增加正确匹配对数量并提高正确匹配率。(3)针对SIFT算法在遥感图像配准过程中,匹配对数量较少,正确匹配率低的问题,本文提出了一种基于局部仿射约束改进的SIFT遥感图像配准方法。给出了一种新的梯度算子,使用圆形邻域代替原SIFT算法中的方形邻域对特征点构造特征描述子,通过FSC(Fast Sample Consensus)算法和仿射变换局部区域搜索算法,实现特征点的匹配。实验结果表明,本文方法对遥感图像配准效果较好,正确匹配率和配准精度均有所提高。