图像配准和图像融合作为图像处理技术的两个重要方面，前者是计算两幅图像之间的相对位移和旋转角度参数；后者则是基于配准参数对两幅图像进行信息的综合，以达到更好地理解和认识图像的目的。图像配准的算法很多，大致从灰度、变换域、特征三个方面考虑，处理效果也不尽相同，由于基于特征的配准算法具有精确度高、鲁棒性好、不受光照影响等优点而得到广泛的应用。本文研究的目的是实现多光谱图像的配准和融合，因此本文图像的配准采用基于特征的SIFT算法，SIFT算法在基本的目标检测和目标识别中都具有非常好的性能。但是，怎样获得一个理想的实验结果是本文研究的重点。原始的SIFT算法以它丰富的特征点而闻名于世，但是最终的特征点如此的多以至于在接下来的同名点对所搜过程相当的缓慢。我们在分析了SIFT的相关性能之后克服了它的缺点，运用穷尽搜索和Kd-树搜索算法，经过了RANSAC算法误配点消除之后，最后运用最小二乘法计算了配准参数，运用实际场景图像实验得到的配准参数在精确度和鲁棒性方面比之前的处理流程性能都有所提高。新的匹配策略和定位策略确保了稳定性和定位的精确度。与传统的算法相比，此算法稳定性更高，并且达到了0.01个像素的计算精度。最后，运用配准结果参数对图像进行了融合，效果也比较令人满意。