图像配准技术是图像拼接、图像融合等高级应用中关键的步骤之一,由于其应用的广泛性,一直以来都是一个研究热点。图像配准方式大致可以分为两大类:基于区域的匹配方法和基于特征的匹配方法。由于基于特征的方法是将图像的重要表达信息选取分析,在匹配中大幅度的降低了计算量,另外,特征的提取能够抗噪声,且能较好的适应灰度变化、视角变化及遮挡等干扰。因此,本文中选择基于特征点的配准方法进行研究。随着多年来国内外学者的大量研究,目前图像配准及其相关方面的应用都取得了较大的进展,但对于具有动态变化、光照变换和相似特征过多的场景图像而言,其配准的精确性和实时性都存在一定的差距。通过对特征点的提取及匹配准则的分析研究,在前人的研究基础之上文中对特征点的有效提取及匹配准则等问题提出了相应的改进措施。另外,将基于特征点的配准方法和运动滤波相结合应用于视频序列的稳像中,以提高输出视频的稳定性。主要研究方法有三部分:(1)特征点的提取方面,提出一种混合特征下预测最优阈值实现图像特征提取的方法。针对SIFT(Scale-invariant feature transform)算法由于固定对比度阈值不能适应图像具体场景而使得特征点数目存在过多或过少的问题,本文对其提出改进措施,在提取纹理参数向量后,先利用纹理特征二阶矩构造阈值预测模型,再将其添加到匹配准则中。实验结果表明,改进的方法能够依据图像特性自适应调节对比度阈值得到适量的特征点,而且还能有效降低相似误匹配的现象。(2)序列图像的匹配方面,提出一种基于序列图像的自适应阈值检测匹配算法。SIFT算法在处理光照、模糊等复杂场景下的序列图像匹配时,由于预先设置固定阈值对场景具体特性缺乏考虑,因此会出现图像间匹配难度大,匹配率低等问题。针对这些问题,本文改进的方法中首先分析序列图像的统计特征,然后按主成分分析法计算各统计特征的综合指标,根据主要影响因子及统计特征构造特征点检测自适应阈值预测模型。实验结果表明,自适应阈值预测模型的引入克服了多种极限情况,改善了复杂环境下序列图像的匹配效果,尤其在处理光照序列图像时具有较好的鲁棒性。(3)通过研究和分析电子稳像处理的原理和方法之后,本文将基于特征点匹配的配准方法与运动滤波相结合应用到电子稳像中。首先利用基于特征点的匹配方法计算得到各帧图像间的模型估计参数,再采用Kalman滤波对随机抖动矢量进行剔除以校正和补偿模型参数。结果表明,经过运动滤波处理后视频中的随机抖动矢量能够被有效去除,从而得到稳定的输出视频序列。