随着船舶自动化的进一步发展，对机舱安全和智能化的重视程度越来越高，因此在机舱内安装多摄像头已逐渐成为标准配置。在采集到图像信息后，对图像进行融合处理，可以更加清晰地呈现出图像的特征信息，有利于更加准确的人工处理或者计算机自动处理。要实现高质量的图像融合，必须先实现精确的图像配准(Image Registration)，这是图像融合的基本前提。由于存在一些外部原因(如摄像头维护不及时、机舱内部空气污浊等)造成图像含有多种噪声，如高斯噪声、乘性噪声、泊松噪声和椒盐噪声等，而含噪图像配准仍属当前研究的重中之重。本文的研究内容是针对此类含有复杂噪声的机舱监控图像配准问题，主要研究内容如下：　　1)以数学模型的角度上解释了数字图像配准的定义，然后简单介绍其主要框架，即空间变换、图像插值、相似性测度和优化算法，并对这些主要模块分别进行数学阐述。　　2)分析了熵与互信息在图像配准中的作用，并根据互信息与f信息的关系，采用I信息作为图像配准测度。该测度相对于互信息测度，可以产生更少的局部极值点。通过实验得到的最佳取值范围，并确定多阶段配准中，在每一阶段的取值。该测度有利于实现高效率、高精准和较好鲁棒性的图像配准。　　为解决含有复杂噪声的图像配准问题，提出基于梯度阈值分割的方法以加强图像轮廓信息，同时可以提高像素点空间位置信息对灰度信息的影响。根据仿真结果可得，此方法极大的降低了噪声信息对图像配准的影响，从而提升配准的精确度。　　4)为解决目标函数存在多个局部极值点的问题，提出了一种改进QPSO算法。设计了一种对于压缩膨胀因子(t)的自适应控制策略，从而有效的避免了粒子过早收敛以加强全局寻优能力。实验结果表明，采用改进的QPSO算法达到了提高全局寻优能力的目的。　　5)实现了多阶段多分辨率图像配准方法。将改进QPSO算法与NM单纯形法相结合，在第一阶段的粗配准过程中采用改进QPSO算法，第二阶段的精配准过程采用NM单纯形法，从而达到提高配准成功率的目的。实验结果表明，采用较大的初始单纯形更有利于提高配准的成功率。