传感器技术的日新月异,使得多模态遥感图像的数量呈现出海量增长,图像分辨率大幅提高。多模态遥感图像的融合分析应用成为一个极具前景却亟待解决的热门课题。而多模态遥感图像的配准作为多模态图像融合分析的第一步,为后续目标检测、目标识别、变化检测等应用的成败,奠定了基础。本文围绕基于特征的配准方法、基于像素的配准方法、以及配准方法的自动评价方面入手,深入研究多模态遥感图像配准这一课题。在基于特征的配准方法方面,论文首先理清了适用于多模态遥感图像配准的图像特征类型及相应的匹配方法,从原理上分析得到多模态遥感图像配准能够使用的特征类型及引入方法。在此基础上,针对不同类别的局部特征提出了两种配准方法:(1)对能够跨越模态进行之间定量比较的局部特征,根据局部特征与结构特征在配准过程中的角色不同,设计有机的统一的目标函数,并得到闭式解;(2)对不同模态间仅能够定性比较的局部特征,创造性地利用类别标签这一语义特征实现跨越模态的对应关系,辅以鲁棒配准方法实现多模态配准。在基于像素的配准方法方面,论文首先从原理上分析基于像素的方法,得到其成功地关键所在,以及相应的理论缺陷。然后以最为广泛应用的互信息方法为代表,针对基于像素方法的缺陷,提出两种配准方法:(1)为保证参与配准计算的内容一致性,并引入图像特征,提出基于标记的互信息方法。互信息计算仅在相同内容上进行,有效避免了non-injective mapping效应,同时引入了空间结构信息;(2)提出区域及模型双生长互信息方法,有效解决了传统互信息在收敛速度慢、容易陷入局部极值的问题。在降低计算量的同时有效提高配准成功概率及精度。在配准方法的自动评价方面,论文从参数估计的角度出发,建立基于特征的配准方法的不确定性理论估计的理论基础,然后通过引入Bootstrap重采样方法将该不确定性落到实际,通过大量的实验验证了所提方法的正确性,并用以研究配准方法各元素对配准结果的影响。论文的第二个方面是从原理上分析配准一致性的缺陷及其可能造成的影响,通过引入新的平衡项,能够在不增加计算量的同时得到准确地配准方法自动评价的度量。将研究的方法以及提出的模型用于大量实际多模态遥感图像配准,以及配准方法自动评价中,取得了预期的结果。