图像导航已成为精确制导武器的主要发展趋势,包括可见光图像导航、红外图像导航、SAR图像导航等形式,它和其它导航方式组成的组合导航系统具有更高的精度和可靠性。在电子战、反卫星战的不利因素下,如何增强无人机在实时战场的生存能力成为无人机导航首要考虑的问题。采用以红外和可见光图像为配准源的图像导航不仅具有较高的自主性和较强的抗电磁干扰的能力,还具有夜间导航的优势。因此,以红外和可见光图像配准为基础的无人机图像导航是一种理想而又可靠的导航方式。由于红外图像和可见光图像在成像特性、成像距离、成像时间及成像视点上的不同,二者反映的目标物体的灰度、形状以及图像间旋转的角度都会发生很大变化,导致图像局部不相似,加之导航实时性的要求,采用传统的基于图像灰度和基于特征的配准方法已不能满足要求。因此,寻找一种具有适应性强、精度高、配准速度快的算法成为无人机在复杂战场环境下自主导航的迫切需要。本文以上述问题为依据,围绕应用于图像导航的配准算法为关键技术展开研究。针对红外和可见光图像的特点,以互信息为配准的相似性测度,采用最大互信息和归一化互信息对复杂情况下的图像配准进行了实验,验证了互信息测度的有效性。为了解决图像间存在的大角度旋转问题,本文提出了一种抗大角度旋转的配准方法,通过对加入噪声、模糊等情况下的仿真实验,验证了该方法的精确性、鲁棒性和准实时性。图像配准的本质是一个多参数优化问题。通过对基本Powell法的改进,克服了该优化算法容易陷入局部极值、搜索效率差的缺点。插值是图像配准中的一个重要步骤,在插值的过程中会不可避免的带来局部极值。本文在分析互信息函数局部极值成因的基础上,将双线性插值和PartialVolume插值相结合,形成两种算法的优势互补,达到了较好的效果。此外,本文以图像的小波变理论为基础,对小波配准中的若干问题进行了详细的阐述。利用改进的Powell法和小波多分辨率策略对图像进行分层搜索,从而使算法的快速性得到了提升。