随着我国遥感技术的不断发展，遥感影像数据的类型也越来越多样化，如何对多源遥感图像的互补信息来展开研究已经成为近年来的热点。采用多源协同手段能够获取图像更多的空间信息，此外利用传感器间的互补性，可以有效克服单一传感器在复杂环境下的局限性。多源图像配准作为遥感图像分析领域的预处理环节，它是将不同传感器在不同的视角，不同的时间下获取的数据实现时空配准的过程，而光学图像和合成孔径雷达(Synthetic Aperture Radar,SAR)图像的配准是多源图像配准中的重点和难点。
　　本文着重研究光学图像和SAR图像的配准。光学图像分辨率高，但极易受到恶劣环境的影响，导致光谱细节信息丢失。SAR图像对植被、云雾和冰雪的穿透力强，但其会受到相干斑噪声的干扰。并且光学图像和SAR图像的成像机制不同，灰度信息差异较大，可能导致两种图像配准的性能失效。针对上述问题，本文开展了光学图像和SAR图像配准算法的相关研究，具体研究内容包括以下几点：
　　①本文从成像原理上分析了光学图像和SAR图像的本质区别，并对国内外在光学图像和SAR图像配准研究的基础上进行了分析，指出了传统的SIFT配准算法在两种图像配准上的不适用性，以及当今学者研究方法的局限性。本文后续的研究内容主要是针对传统算法的缺陷提出配准精度更高的方法。
　　②针对光学图像和SAR图像灰度差异较大，并且SAR图像易受相干斑噪声的影响，特征提取困难，导致传统的配准算法失效的问题，本文提出了一种改进的SIFT-Like图像配准算法。分别使用不同的梯度算子计算光学图像和SAR图像的梯度，并且构建相应的尺度空间，限制其主方向角度后构建特征描述符。通过实验仿真表明，该算法可以解决在光学图像和SAR图像特征提取过程中正确匹配率较低，并且特征点鲁棒性较差的问题。
　　③针对光学图像和SAR图像配准过程中误匹配较多，配准精度不高的问题，本文提出了一种基于几何条件约束的光学图像和SAR图像配准方法，通过相似特征点之间的空间几何结构特性，对特征描述符进行局部优化。实验结果表明，所提出的算法在匹配精度上相较于其他算法均有明显提高。
　　本文以多组光学图像和SAR图像作为实验数据，对文中所提算法和传统的SIFT算法以及现有的其他算法进行比较。实验结果表明：本文改进的算法在正确匹配率与配准精度上相较于其他算法均有明显提高。同时，本文的研究成果可为后续的图像融合以及目标识别等研究提供一定的参考价值。