第三次科技革命的浪潮席卷而来,科技的发展日新月异,也推动了航空航天技术的迅猛发展,人类能够获得日益丰富的遥感影像信息。科技的发展也使得硬件设备不断的升级换代,传感器分辨率的不断增强就是其中典型的例子。科技的进步带动了人类研究的发展,越来越多的研究者们开始把目光从低分辨率遥感图像放到了空间分辨率1米左右的高分辨率影像上。遥感图像配准是遥感图像处理中比较关键的一步,当不同类型的传感器从不同角度、不同时间对同一场景进行拍摄时,遥感图像会存在严重几何变形,给遥感图像处理带来困难。遥感图像配准就是在处理各类遥感数据之前,把存在几何变形的遥感图像还原。具体过程就是把两幅或多幅不同类型的遥感图像进行空间几何变换,使图像中代表同一位置的对应区域映射到相同坐标下,而后匹配或叠加。遥感影像自动配准已成为该领域的研究热点。本文主要针对传统配准算法中的两个问题:一是SIFT算法提取特征点数目过多;二是出现误匹配点。因此提出了一种基于改进SIFT和改进K-means的遥感图像配准算法。本算法具体流程如下:首先使用Harris角点检测算法提取特征点,而后求得匹配的特征点对,完成图像粗配准,得到待精配准图像。之后是精配准过程,对参考图像和待精配准图像降采样处理,并提取出两幅图像的感兴趣区域;然后利用SIFT算法提取较小尺度的特征点;之后利用改进K-means聚类算法对得到的特征点进行分类,每类为一片区域;区域内的点构建Delaunay三角网,然后将两幅图像对应区域的三角形比较三角形相似度,若相似度大于阈值,就得到正确匹配点对,以此求得精确匹配点;最后利用这些精确匹配点对求解转换模型参数,完成最终的图像配准。实验结果表明了算法的有效性。