图像配准是将同一场景(或物体)在不同时刻或视角下,经由相同或者不同成像设备得到的,位于不同坐标系下的图像变换到同一坐标系的过程,而其配准方法的精度、运行效率,被作为评判配准方法性能的指标。由于当下实际应用领域对于配准技术的巨大需求,使的图像配准技术在研究领域的地位与关注度与日俱增。图像配准技术相关的算法一直没有明确的分类方法,根据实际应用领域的需求不同,或者是基于的配准理论不同,可以对配准方法进行相应的划分,一般更倾向于将其分为两类：一种是跟图像的灰度相关的配准方法,而另一种是跟图像的特征定义相关的配准方法。而跟图像的特征相关的图像配准方法又可大致分为：基于点信息相关的特征,基于轮廓信息相关的特征(边缘),基于区域信息相关的特征以及混合特征等等。本文选取了点信息相关的特征为方向,设计了一种新的基于特征点空间信息分布直方图的图像匹配方法。本文中,我们首先选取了Moravec, Harris, SUSAN, DOG这四种特征点检测算法,对算法的原理进行了阐述与性能分析,并对Harris, SUSAN, DOG这三种特征点检测算子做了实验测试,对实验数据进行了总结,以此来作为算子各方面性能的评判标准,也是为了基于点特征的空间信息分布直方图的匹配方法的设计奠定其特征点检测部分的理论依据。紧接着,我们又选取了几种比较流行的基于特征点的图像匹配策略,对其思想、理论基础作了简要的阐述。最后,我们以实验得到的特征点检测算子的性能标准数据为参考,设计了一种基于特征点空间信息分布直方图(Spatial Distribution Histogram)来进行特征点匹配的方法,其主要思想是：利用特征点的空间信息分布直方图数据,求出其相应的特征矩阵,计算特征矩阵的相似度,来得到特征点对之间的匹配结果。而为了验证基于特征点空间信息分布直方图匹配方法的可行性,我们选取了SUSAN角点检测算法,结合空间信息分布直方图的匹配方法进行了相关的实验,并将得到的实验结果与经典SIFT算法作了各方面的性能比较,来验证所设计方法的性能。