近年来,遥感技术在环境监测、国土资源勘探、军事侦察以及考古等许多领域中发挥着越来越重要作用,因而航空遥感图像的配准也就日显重要。然而外界的干扰、传感器的不同物理特性和配准方法都会影响图像配准的实时性和精确性。近年来针对图像配准的效率和精度的问题得到了广泛的研究,然而已有的研究采用传统的寻优方法进行匹配,实时性差,精度低。基于此,本文对Harris角点的提取过程做出并行性分析与设计,把量子遗传算法引入到角点匹配的寻优过程中。这种并行的角点提取算法和量子遗传寻优过程使得匹配在效率和精度上都有很大的提高。研究的主要内容和创新点如下：首先,讨论了摄像机运动与图像配准的关系,由此阐述了图像变换的数学模型以及估计变换矩阵的方法,结合本文的研究对像选择特征点配准方法。其次,对已有的兴趣点提取算子从性能上分析优缺点,比较后选择Harris算子作为本文角点提取算子。考虑角点提取的效率和精度直接影响到实时图像配准的性能,提出了一种划分网格的并行角点提取算法。该算法缩小了搜索区域,避免了特征点提取的不均匀,确保图像信息量丰富区域的配准精度和信息贫乏区域的配准精确度,提高了配准的效率和精度。再次,本文尝试使用量子遗传算法进行搜索寻优,大大减少了相邻图像角点子集匹配的计算量。采用了一种新的编码方式进行编码,并对评估过程强化了约束条件。利用量子旋转门对染色体个体基因位进行更新,促进了种群朝目前所得到的最好个体演化。在全种群范围内进行了量子交叉操作,既保留了相对较好的基因块,又产生了新个体,增大了种群的多样性。量子非门操作进行了量子变异,阻止了未成熟收敛,提供了局部搜索能力。仿真实验验证了本文算法的可行性和有效性。最后,对本文所做工作进行了总结,并对量子遗传算法应用于图像配准的下一步研究方向做出展望。