光测力学是一门研究物体运动的科学，而图像配准技术可以辨识物体在不同时刻所拍图像中的位置，因此在光测力学中经常使用图像配准技术来求取物体的位移，以判断物体的运动状态。图像配准是图像处理中的一项基本任务，在光测力学、军事、遥感、医学、计算机视觉等方面有广泛的应用。概括地说，图像配准就是对取自不同时间、不同传感器或者不同视角的同一场景的两幅或多幅图像进行最佳匹配的过程。 图像配准主要分为两大类：基于像素的图像配准方法和基于特征的图像配准方法。后者以其能将对整幅图像进行的各种分析转化为对图像特征的分析，大大减小了图像处理过程的运算量的优点而成为本文的研究重点。本文详细地论述了基于边缘的图像配准方法和基于角点的图像配准方法，对各自包含的经典算法作了对比。在此基础上，提出一种将边缘特征和角点特征结合起来的新的特征提取方法。 因为角点多存在于图像边缘上，所以本文在Canny边缘提取的基础上，对边缘图像进行角点提取。为了增强算子的实时性，先快速提取出候选角点，进而使用SUSAN算法中USAN的概念，对候选点进行判断，保留符合条件的正确角点。实验证明，这种新的角点提取方法相较于传统的角点提取算法，能比较快速并且准确地提取出角点，具有一定的精度。但是仍然存在一些问题，比如在斜向边缘上会提取出较多错误角点。 在图像匹配阶段，采用了先粗后精的匹配策略。在进行粗匹配时，利用相关度准则先对角点进行筛选，减少后续匹配任务，初步确立匹配点对。精匹配采用相关系数法，计算初始匹配点对的相关系数，保留相关系数较大的点对。整个匹配过程分别从减少搜索点数量和减少相关系数计算量两个方面对以相关系数作为相似性度量准则的相关匹配算法进行改进，在不失其匹配精度条件下，减少其运算量。 实验表明基于本文提出的角点提取算法的图像配准能够对所选图像较好地完成图像配准任务，并且达到了一定的配准精度。