多光谱图像配准是将不同时间、不同传感器、不同视角及不同拍摄条件下获取的两幅或多幅图像进行匹配。多光谱序列图像提供了比单一图像更丰富的信息，因此研究多光谱序列图像的配准方法具有重要意义。SURF(speed-up robust features，即加速健壮特征)算法是一种具有尺度不变性和旋转不变性且性能较好的算法。本文将SURF算法应用于图像配准，实验表明，可在保证配准精度与适用性的前提下，显著提高计算效率。本文针对多光谱序列图像配准时源图像数量较多、有序等特点，研究了以指定对象或指定位置为目标的固定参考图配准算法，以及按序列顺序进行两两配准的序列相邻配准算法。通过实验和分析，将SURF特征检测技术引入到了多光谱序列图像配准中；提出了用信息量扩展SURF检测算子和分特征集匹配方法，提高算法性能和配准速度。实验结果证明，改进后的SURF算法相比于传统的配准方法，在保证图像配准准确度的前提下，算法复杂度和运行时间都有了明显的降低。