图像配准技术作为图像处理领域中重要的一个研究方向,已经成为目标检测与识别,三维重构,信息检索等众多图像分析应用领域的研究热点。基于特征的配准方法首先在图像中提取特征信息,然后根据特征之间的关联关系进行配准。该方法的鲁棒性比于基于区域的配准方法更强,因而更能适应复杂的现实场景配准应用。在基于特征的配准算法中,尤其需要提到尺度空间算法。在该类算法中,sift算子凭借较好的鲁棒性被为广泛应用于图像配准领域。然而该算子仍然存在描述子生成过程复杂,重复率不高,特征主方向受直方图离散化影响以及局部特征信息利用不充分问题。针对上述问题,本文重点对基于sift的图像配准算法进行了研究与改进。为了进行算法的性能测试,本文将改进的算法进行了对比验证。本文的研究工作主要围绕以下几个方面展开:(1)针对sift算子生成过程复杂的问题,本文提出一种基于快速特征描述子的sift图像配准算法。首先,该算法通过提取局部对比信息,快速构建描述子。然后结合几何位置信息对特征点对进行筛选。(2)针对sift算子图像配准中的准确率和重复率问题,本文提出了一种基于多层策略的sift算子,该方法从几何特征一致性约束以及数据聚类两个方向对于关联的特征点对进行筛选。(3)针对特征主方向受直方图离散化影响以及局部特征信息利用不充分的问题,本文提出一种基于特征分布统计与一致性约束的sift算法。该算法根据点的梯度分布进行空间映射,得到主方向。然后在进行区域的特征分布统计,生成特征描述子。在特征匹配阶段,提出一种基于一致性约束的特征点对筛选方法。为了对本文所提出的改进算法进行验证,本文将改进的sift算法在标准测试库中进行验证,实验结果能很好地验证本文提出的算法的可行性以及鲁棒性。