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融合。图像配准是多种图像处理及应用如物体辨识、变化检测、三维建模等的基础。 图像配准的方法有很多种，其中基于图像特征的图像配准是配准中最常见的方法。基于特征的图像配准中，特征主要针对点特征。基于点特征的图像配准，特征点的提取是图像配准的关键步骤，本文中详细分析对比了Moravec算子、Plessey算子、SUSAN算子、Forstner算子、Traikovic算子。从提取效率、算子稳定性、定位准确性、抗噪性、计算效率上对提取算子进行分析比对，用测试图像对各个提取算子进行试验分析。本文对每个算子的特点提出了自己的见解，同时对它们的局限性做了研究。本文针对Trajkovic算子的不足，做了8-领域改进，提高了它的提取性能。 在对特征点提取算子研究的基础上，本文对基于特征点的图像配准的实现进行了研究。本文详细分析了图像配准过程中的每个关键步骤，采用了将图像划分成大小相等的细网格，再根据每个网格的熵提取特征点的方法。采用该方法后，在配准过程中，信息量较大的区域所获得的配准精度较高，在信息量较少的区域也能保证基本的配准精度要求。本文对于控制点的匹配采用了先粗匹配再精匹配的方法，提高了匹配效率。最后利用仿射变换实现了图像配准。本文对图像配准方法中涉及的仿射变换、多重判据相关、误匹配点删除、局部匹配等算法分别进行了分析和研究，并进行了配准实验。通过实验结果分析可以看出，本文实现的配准方法配准精度和可靠性都较高，能对图像进行有效的配准。