图像配准技术是将不同时间，不同传感器或不同条件下获取的同一场景的两幅图像或者多幅图像进行匹配、叠加的过程。在计算机视觉、遥感图像处理、医学图像分析等领域有着广泛的应用。SAR具有全天候、全天时、分辨率高、可侧视成像等优良特性。不仅在军用方面得到了很大的发展，其民用用途也逐步推广。论文在全面分析和总结当前图像配准技术的基础上，对SAR图像配准方法进行了深入的研究。针对SAR图像的特性及已有算法的不足，改进了一种基于SIFT的粗配准方法，并将归一化互信息应用到精配准中，通过实际SAR图像的配准验证了该方法的有效性。论文的主要工作包括以下几个方面：(1)本文研究和总结了几种常见的特征点提取算子，包括Moravec算子、Harris算子、SUSAN算子，还引入SIFT局部特征，通过这四种算法对特征点的抗噪性、旋转不变性和尺度不变性进行比较，给出了分析的结论。总结了主要的几种基于特征点的匹配策略，包括互相关、尺度和旋转限制准则、斜率限制准则、虚拟三角形、SIFT特征向量匹配和RANSAC策略等，分析了每种匹配策略的优势和缺点。结合斜率和尺度、旋转准则，给出基于SIFT的SAR图像配准的实验，验证了其方法的可行性和有效性。(2)在SIFT算法中，由于特征点匹配后没有去除外点的操作，配准的结果误差很大。本文提出了一种改进SIFT的配准方法，在特征点匹配前后分别添加了预处理操作和RANSAC策略，而且对SIFT特征提取、关键点描述子进行改进。实验结果表明，改进后的SIFT提取的总匹配点数和正确配点数均大于SIFT。本方法对多波段、不同分辨率、不同视角的SAR图像配准都有较好的鲁棒性，配准精度高，速度快。对该方法应用到实际导航系统中，也具有重要的实践价值。(3)传统的基于灰度的图像配准方法对图像质量要求高，配准速度较慢，应用范围较窄。改进后的SIFT对SAR图像配准的效果比较好。本章在此基础上，利用改进SIFT配准得到的参数作为归一化互信息配准的初始值，配准精度和速度都有很大提高，并且克服了直接用互信息搜索匹配的缺点。实验结果表明，该方法大大加快了SAR图像配准的速度，并且能够精确到亚像素级。