图像配准是对取自不同时间、不同传感器或不同视角的同一场景中的两幅或多幅图像匹配的过程。它被广泛的应用于计算机视觉、模式识别、遥感图像处理、医学图像处理等诸多领域中,是图像融合和图像数据层融合技术中首先要解决的问题。许多学者致力于图像配准的研究,如今已经取得一系列优异的成绩,但是目前仍存在诸多疑难问题,有待进一步的研究探讨。本文主要完成了以下工作：第一,简要介绍了图像配准的背景和意义,研究了图像配准的原理以及常用的配准方法。第二,提出一种基于图像最小外接矩形的图像配准算法。该算法首先等间隔地分别旋转参考图像与浮动图像,求出使最小绑定矩形的面积达到最小时需要旋转的角度；然后根据两幅图像外接矩形的最小面积之比可确定浮动图像缩放的比例；再使图像的中心和图形的中心重合解决平移问题；最后求参考图像与浮动图像差的绝对值的最小值,可得出更精确的平移距禺。第三,提出一种直线特征与互信息相结合的图像配准算法。该算法针对刚性图像,通过MSLD直线描述子将3维优化问题转变为沿着控制线的1维搜索,从而加快基于互信息算法的效率和性能。此方法综合利用了基于特征和基于互信息配准方法的优点,不仅提高了MI最大化的速度,而且避免了局部极值的可能性。第四,对以上提出的两种算法进行实验,并对实验结果做出了分析。分析表明基于图像最小外接矩形的配准算法速度较快,不过精度不够高,还有待研究。基于直线特征和互信息的配准算法速度较快,且鲁棒性好。