图像配准问题是计算机视觉领域中的一个经典难题，在计算机视觉、模式识别、医学图像处理和遥感信息处理方面有着广泛的军事和民事应用。 在实际应用中，所获得的不同传感器的图像往往存在尺度变化很大，有较大的旋转角度和畸变等大失配情况。现有的配准算法在这些实用场合下，要么失败要么效率非常低。针对这些问题，本报告结合863项目、福建省自然基金、河南省骨干教师项目及厦门大学“985工程”科技创新平台项目要求，进一步深入研究适用于大适配多传感器图像的高性能配准算法并探讨其在图像融合中的应用。主要工作可总结为以下几个方面： 对图像配准理论进行了简要介绍，对图像配准方法进行了综述，分析了各种方法的适用性、优点和不足之处，分析了目前多传感器配准算法存在的问题和发展趋势。 针对目前研究中存在的问题，本报告将具有仿射不变性的特征引入图像配准，提出了一种基于SIFT和Harris-Affine互补特征匹配的多传感器图像自动配准方法。算法利用在目标识别和匹配方面取得了显著进展的Harris-Affine和SIFT不变特征，利用近邻比和Mahalannobis距离的仿射不变性实现特征匹配，进而实现大失配图像的配准。该算法在保证亚像素配准精度的同时，能够较快地实现大失配图像的自动配准。有效解决了图像由于存在大失配及异质传感器引起的不能配准或配准精度低等问题。 在基于互补不变特征配准的基础上，讨论了基于不变特征的图像配准方法在图像融合中的应用，把多尺度几何分析引入图像融合，提出了一种基于NSCT的图像融合算法。利用NSCT的平移不变特性以及对图像几何特征，尤其是边缘方向信息优异的表达能力有效提取源图像特征，实现更有效的图像融合。 在Burt的“匹配和显著性融合算子”的基础上，改进了融合规则。 最后对图像配准领域未来需要进一步研究的问题和方向进行了展望。