共孔径多光谱相机利用同视场的特性,可以获取同一场景下物体的不同光谱信息。本文主要研究的是基于阵列分光的共孔径多光谱相机,其有瞬时采集的优点,但由于其多相机的设计,容易在装配或运输等情况下在图像上引入几何误差。图像配准的目标就是找到两幅图像多幅图像之间的几何变换关系;相对于普通图像,多光谱图像之间具有灰度差异大的问题,再加上不同场景的影响,加大了配准的难度;对配准精度的影响不利于后期的全景图拼接或光谱信息的提取等应用。本文首先分析了共孔径多光谱相机的成像原理与数据特点;针对多光谱图像配准,主要研究了基于特征和基于变换域两类方法。本文对现有的特征提取算法进行测试,分析其优缺点和适应性;并针对不同谱段图像灰度差异大的问题,提出了逐级配准的方法,其主要思想是利用数据本身计算出一组配准路线,然后依据配准路线进行两两配准,相对之前任意两幅不同光谱图像进行配准矩阵的计算,该方法提高整体算法的鲁棒性和准确性。针对传统特征提取算法难以保持图像的局部精度和边缘细节的问题,提出了一种基于A-KAZE特征提取算法的多光谱图像逐级配准方法。该方法在两两配准过程中利用快速显示扩散(FED)数值分析框架求解非线性扩散滤波方程,构造非线性尺度空间,通过计算每个像素点的海森矩阵来获取特征点,利用二进制描述子(M-LDB)构造具有尺度和旋转不变性的图像特征向量,本文针对共孔径多光谱相机的数据特点,对金字塔层数和描述符进行了优化,提升了配准算法的速度;然后对特征向量采用汉明距离进行KNN匹配,并利用RANSAC算法对匹配对进行提纯;最后基于投影变换模型计算变换矩阵;对于来自不同通道的多光谱图像利用逐级配准的方法计算出多幅图像的最优配准策略,通过配准策略和变换矩阵实现图像配准。为了弥补特征算法的不足,提出了基于傅里叶-梅林(FMT)的逐级配准方法,该方法在两两配准过程中对整个图像进行划分,对划分的子区域进行频域的变换,进行中心点位置的对应,形成更加精确的匹配点,对匹配点利用RANSAC进行变换矩阵的参数估计,得到变换矩阵。部分场景下,将在高级数通道之间变换矩阵的计算中用FMT代替AKAZE,可以得到更精确的变换参数。可以称为AKAZE特征提取算法和FMT联合的逐级配准算法:使用AKAZE计算低级数通道之间的变换矩阵,使用FMT计算高级数通道之间的变换矩阵,最终得到全部矩阵。本文对提出的算法都进行了测试,都可以得到亚像素的配准精度,同时具有较强的鲁棒性。