图像配准是近代信息处理中一项极为重要的技术,并且已经被广泛的应用于计算机视觉及人工智能等领域。本文首先介绍了图像配准的基本概念、图像配准的目的和意义以及国内外研究现状,研究了图像配准的理论基础,对图像配准的数学定义、图像的变换模型以及常用的配准方法进行了介绍,并将基于特征的图像配准方法作为本文的研究重点。在研究图像局部特征时,重点研究了区域检测算子。区域检测算子是图像中具有显著性特征的稳定区域,具有很好的仿射不变性,其中MSER算子的综合性能最好。而经典的SIFT算法以及其加速版SURF算法都具有仿射不变性较差的缺点,本文正是针对上述问题,以解决SIFT和SURF算法的缺点为主要的研究对象,在深入分析MSER.SIFT和SURF算法的原理基础上,提出了将MSER分别与SIFT和SURF结合的新方法,实现优势互补。本文研究内容主要有以下几个方面：1.先后研究并实现了MSER、SIFT和SURF算法,深入分析了各自的优缺点：SIFT算法匹配效果最好但在运算速度和仿射不变性方面较差,SURF算法运算速度快但匹配效果不如SIFT算法,而MSER具有很好的仿射不变性。2.提出将MSER分别与SIFT和SURF结合实现优势互补。由于SIFT和SURF算法都是一套完整的图像配准算法,即都包括有特征点提取、特征点描述以及特征点匹配,而MSER只是提取出图像中的某些区域,因此新方法的关键就在于如何将两种算法结合起来。经过深入研究各算法的特点,最终设计出了一种较好的结合方法。3.将新方法和原始方法分别在统一的测试集上进行图像配准实验,经过实验数据综合对比分析,得出了MSER与SIFT结合算法处理时间过长,实用性差,而MSER与SURF结合算法则真正实现了优势互补,即结合了SURF算法处理速度快的优点和MSER具有的仿射不变性优点。4.通过分析红外图像的特点,得知基于MSER的检测算法适合对红外图像进行处理,进而提出了利用MSER与SURF结合算法对红外图像进行拼接。