图像配准是图像处理的基本任务之一，它用于将不同拍摄条件下获取的同一物体或场景的两幅或多幅图像进行匹配，使这一相同成像物体上的同一点在两幅完成配准的图像上有相同的空间位置。随着人们对图像配准精度要求的不断提高，越来越多的研究者对此问题进行研究，并且提出了很多配准算法，如基于灰度信息、基于优化策略、基于特征的图像配准算法等等，其中最主要的算法之一是LoweDG在2004年提出的SIFT特征配准算法，该算法用于图像配准可以取得良好效果，但是也存在一些问题，如：提取图像特征点较多、配准点冗余、容易误配、存储空间大、匹配耗时等。因此，本文对SIFT算法进行了研究和改进，主要工作如下：(1)结合区域提取的方法改进SIFT配准算法。一幅图像所包含的有效目标数量有限，如果在配准之前提取两幅图像中相同的目标区域，然后再对此区域进行配准，无疑可以减少SIFT特征点、提高配准效率。本文首先利用传统的边缘检测算子提取图像中的目标区域，然后再利用SIFT算法进行配准，实验结果表明这种改进可以在提高配准速度的同时保证配准精度。(2)提出了一种基于视觉注意模型的SIFT特征配准算法。模拟视觉注意机制进行区域提取可以找到图像中重要的显著目标，与传统的边缘检测算法相比，所提取的区域与图像中重要目标相对应，能够反映图像的主要信息，更好地排除背景干扰，从而使得SIFT所提取的特征点具有明确的意义。利用视觉注意计算模型，对待配准的图像提取出显著目标后，再进行对应的显著目标配准。实验结果表明，本算法减少了复杂背景下大量的干扰信息，提取更好的特征点，提高了配准精度和效率，配准效果也有了较好的改进。此外，该算法在有噪声干扰的情况下，仍然具有较好的鲁棒性。(3)将本文算法应用于图像拼接中，提出了一种改进的图像融合算法，实现了图像之间平滑过渡。由于所改进的配准算法具有较高的精度，在此基础上，结合所改进的融合算法，可以得到更好的图像拼接效果。