红外与可见光图像配准可以使两幅图像实现几何对齐,充分提取两幅图像的互补信息,从而广泛应用于军情侦察、视频监控、智能驾驶等领域。尽管近年红外与可见光图像配准技术在各个领域取得了很大的进展,但由于红外与可见光图像间成像分辨率和像素灰度值的不确定性关系,如何得到提高两者的配准精度仍是一个技术难点,具有重要的研究价值。本文针对特征描述、特征匹配和几何变换参数估计对基于特征的红外与可见光图像配准进行研究,主要研究工作如下:（1）针对现有的特征描述符鲁棒性差以及红外与可见光图像的有效匹配比例偏低等问题,提出了一种基于CR＿SIFT与偏移一致性的多级匹配方法。该方法首先基于轮廓在红外与可见光图像间的相对稳定性,采用Canny算法获取各自的边缘轮廓图,并对轮廓图进行SIFT特征点检测和定位。然后引入质心法和同心圆为每个特征点构建各自的特征描述符。最后基于描述符的相似性和正确匹配点对间的偏移一致性增强对匹配点对集的约束,通过多级匹配去除明显的错误匹配,获得最终的正确匹配点对集合。（2）针对红外与可见光图像难以构建正确几何对应关系的问题,提出了一种基于多级匹配和高斯混合模型的配准方法。在通过多级匹配方法获得匹配点对集合的基础上,首先构建图像间的几何变换模型,利用高斯混合模型计算匹配点对的联合概率密度。然后利用贝叶斯准则和期望最大化算法迭代求解红外与可见光图像的几何变换模型参数。最后通过几何变换和线性插值完成红外与可见光图像的对齐与配准。实验结果表明,CR＿SIFT描述符在变化的场景中具有很好的鲁棒性,多级匹配方法获得的有效匹配数量明显增加。基于多级匹配和高斯混合模型的配准方法比其他几种先进的方法具有更高的性能,匹配精度能保持在90%左右,定位误差保持在1个像素左右,能够实现红外与可见光图像的亚像素级配准。