数字图像配准技术是将不同时间、不同传感器、不同视角以及不同拍摄条件下获取的同一场景的两幅或多幅图像进行配准的处理过程,是数字图像处理中的一个基本问题。配准的效果将直接影响到其后续图像处理工作的效果。图像配准主要分为三类方法:基于变换域的图像配准方法、基于特征的图像配准方法、基于灰度的图像配准方法。尽管图像配准技术的算法很多,但是没有哪一种算法能够适用于所有的图像。实际应用中需要结合具体的情况,在算法精度、运行速度及鲁棒性上找到平衡,开发出适合图像特点的算法。本文重点研究了基于特征点的图像配准方法,并提出了一种基于特征点的算法。由于特征点匹配的彩色图像拼接方法对图像旋转,色彩差异和噪声比较明感,提出了一种基于形态学滤波思想改进的Harris角点检测算法与伪泽尼克(Pseudo-Zernike)矩相结合的图像拼接方法。本文主要的研究工作如下:1.Harris算法思想简单实用,运行稳定性高,对特征明显的角点的检测精度高,但此算法对图像的处理中采用了高斯滤波方法,算法运算速度相对比较慢,提取的特征点信息有丢失、位置偏移和聚簇现象存在。本文针对性的提出了基于变分B样条滤波与快速局部窗口搜索方法相结合的Harris角点检测算法。2.图像配准是图像拼接中的关键步骤,图像配准算法的总体思想是既要保证配准的精度,又要保证计算量不要太大,实施时不要过于复杂。本文提出了利用改进的Harris角点检测算法与伪泽尼克矩计算的图像配准算法(Harris Feature Points Pseudo-Zernike Moments Algorithm)。该算法首先利用改进的Harris算子提取图像特征点;然后计算以特征点为中心邻域窗口的伪泽尼克矩,通过比较各个特征点邻域伪泽尼克矩的欧氏距离得到初始匹配特征点对;之后利用精简的RANSAC算法剔除伪特征点对,建立图像对之间的仿射变换模型,计算模型参数,实现图像配准。3.由于加权平均的图像融合方法对图像拼接缝的处理不是非常理想,有阴影出现。为了更好的消除图像拼接痕迹,本文使用一个帽状加权函数来进行对拼接图像进行融合,以获得良好的拼接图像。经实验表明,本文图像拼接方法中改进的Harris角点检测算法提取的特征点均匀、准确、迅速,而且图像配准算法对平移、旋转以及噪声均具有鲁棒性。