图像配准是图像拼接的基本任务之一.图像配准算法主要应用于包括计算机视觉、遥感、医学和模式识别等众多不同的领域,具有重要意义和广泛的应用.由于没有一种图像配准技术普适于所有情况,因此针对不同的应用领域,需要研发不同的图像配准技术.本文首先对图像配准的历史和发展进行介绍.目前,图像配准算法主要分为基于灰度信息的图像配准和基于特征的图像配准,文中分别介绍了这两类图像配准算法的基本理论和方法.接着,本文重点讨论了基于SIFT特征的图像配准.文中首先介绍了SIFT特征点的检测和匹配算法,以及特征点筛选的经典方法(RANSAC),并分析了RANSAC算法的优缺点.SITF算法是应用较为广泛的特征点检测匹配算法,但是会产生大量的错误匹配点.为此,我们根据图像几何变换的单应性矩阵将匹配点一一对应的特点,提出一种基于单应性矩阵的剔除方法.该方法首先利用SIFT进行匹配,得到初始匹配对,进行初步筛选,然后利用相似三角形求出基准单应性矩阵,设定阈值,剔除不满足阈值的匹配点对,最后得到精确匹配点对.通过与RANSAC算法以及结合欧式距离的RANSAC改进算法进行实验比较,该算法具有更高的正确匹配率.由于一般的图像配准中求解的变换模型是对整幅图像进行变换,并没有考虑局部的特征信息,因此在一些图像配准问题中会产生质量不好的结果.本文实现并分析了两种基于局部特征信息的算法:内容保护算法和MDLT算法,阐述了图像分块处理的思想以及图像网格化处理的简便性,为日后的研究提供了一个方向.最后,本文对所做工作进行了总结,并对今后的研究工作进行了展望.