图像配准是遥感、医学、计算机视觉等很多领域中的一个基本问题,也是图像拼接、融合的重要前提,特别是在遥感图像处理中,配准的精度能在很大程度上影响到成图的质量。本文首先对SUSAN、Harris等传统的特征点提取方法进行了研究,分析其优缺点,并针对传统的特征点提取方法在阈值自适应化、旋转变化比较大,以及不能满足不同时相、不同分辨率、不同尺度的遥感影像的配准需求的缺点,本文引进了SIFT特征点提取及匹配算法,深入研究了其原理和实现步骤并展开了相关的实验分析。针对SIFT算法会出现一定的误配率的问题,提出了在图像旋转不是很大的情况下,利用斜率法剔除匹配过程中的误配点,对SIFT算法进行改进,在试验中得到了很好的效果。以遥感影像为例,通过改进的SIFT算法提取特征点并完成匹配的基础上,实现了图像的配准、拼接、融合等一系列处理功能,由于SIFT算法中所设置的阈值都是通过分析图像数据所获得,因此,此处理过程不需要过多的人工干预即可自动完成,节省了大量的人力,避免了由人为选点原因导致的误差,从而大大提升了图像配准过程中的效率和精度。