在计算机视觉领域,图像配准是一个基本且重要的研究范畴,是图像拼接、图像融合、目标检测与跟踪识别的基础,广泛应用于医学、遥感、军事等领域。由于多波段成像的广泛应用,对于多源图像信息配准融合等的需求也日益增长。本论文研究基于SIFT的图像配准方法,针对其在多波段图像配准中的一些难点问题进行讨论,并提出解决方法,使得匹配精度达到实际的要求。论文首先简单论述了基于特征点图像配准方法的主要构成部分：特征点检测、特征点描述符、图像变换模型以及估计变换参数的方法,对每一步骤常用的算法进行详细的研究。之后集中于以SIFT为基础的图像配准系统进行讨论,为了能更好地掌握图像配准中的关键问题,首先将其应用于可见光图像之间的匹配。在可见光图像匹配的实验中,出现了如SIFT匹配图像的时间复杂度大以及不能很好的区分不同区域相似特征量的缺点。为此,提出了配准前进行预处理提取ROIs区域,并采用简化的高斯金字塔进行特征点检测以降低时间复杂度,采用结合强匹配点对粗略估计出的匹配区域进行一定的匹配限制,能一定程度上减少了因在不同区域产生的相似点对的误匹配,实验结果表明改进后的算法在时效性和减少误匹配上优于原算法。然后将基于SIFT的方法推广应用于多波段成像配准,针对其出现的不足之处,本文提出改进方法。首先在特征点提取中,采用积分图对SIFT特征点提取进行加速。在采用简化的一层高斯金字塔特征点检测的情况下,加大层间系数k的取值,使得尺度覆盖范围较为全面,简化计算的同时,很好的保持了其尺度不变性。在特征点描述符的创建阶段,针对SIFT的128维的特征向量计算以及搜索匹配复杂度过大,且对于多波段图像的特征点描述不具备很好的区分性,本文引入BRIEF描述符。实验证明,该描述符不仅在时效性和存储空间上有很好的性能,在描述多波段图像特点上也得到了较好的结果。在匹配搜索策略上,结合实际配准图片的统计数据,设定搜索窗,同时采用双向匹配的方法,减小匹配时间复杂性的同时,匹配精度也得到了很好的提升。最后在进行模型参数估计阶段,针对常用的估计最优内点集的RANSAC算法进行研究,发现其潜在的缺点,将算法中单一产生迭代点集的过程改进成生成多个点集,计算点集内点之间距离的均方和,最大均方和距离的点集用于一致性迭代来求解最优内点集。最后根据估计出的模型参数,选用双线性插值或者三次方插值方法对配准图片进行重采样插值,完成配准。论文针对配准系统中过程中的关键步骤进行详细讨论,分析现有方法的优缺点,对缺点进行改进,使得整个配准系统时效性以及配准的鲁棒性上得到提高。