由于卫星遥感合成孔径雷达（SAR）与可见光图像之间存在显著的非线性辐射差异，故现有的SAR与可见光图像配准算法存在实时性差、旋转与尺度不变性弱等问题。针对目前算法只关注图像局部特征的外观信息，而忽略几何结构信息的问题，提出了一种结合卷积与图神经网络（GNN）的SAR与可见光图像匹配方法。该方法采用卷积神经网络进行特征检测与描述的同时，引入了GNN进行特征匹配。与最近邻匹配算法仅利用局部描述符信息相比，GNN先将特征点的位置坐标嵌入到描述符中，使得描述符具有几何位置信息，再利用注意力机制进一步聚合特征描述符的几何上下文信息，最后利用可微分的最优传输算法直接输出特征点的匹配结果，保证了网络可进行端到端的训练。实验结果表明：所提方法在大范围旋转与尺度变化的配准任务上，获得了最先进的性能；与目前主流配准算法辐射不变特征变换相比，所提方法在提升匹配精度的同时，计算速度也提高了50倍以上。

对于异源可见光与红外图像配准，以互信息为相似性度量条件，以粒子群算法为搜索算法，在搜索空间中搜索极大值点，通过改变图像分辨率，由粗到精，逐步实现可见光图像与红外图像的配准，对粒子群算法、统计互信息和仿射变换3 个部分的内在并行性，利用CUDA C 语言实现GPU-CPU 异构编程。实验证明，在不降低精度的前提下提高了算法效率，得到了很好的加速比，算法正确匹配率高，鲁棒性好，计算效率高。

由于卫星图像来自于不同的传感器、由不同的视角和光谱、在不同的时间获得, 图像间存在较大差异。为了有效配准图像, 提出一种“先粗后精”的配准算法, 首先采用Fourier-Mellin 变换算法实施快速的粗配准, 然后采用以修正的结构相似度为测度的优化算法实施精确配准。对于真实的卫星图像配准, 由于没有准确的衡量标准, 很难给出定量的评估结果。本文提出一种新的配准评估方法——匹配曲线特征评估法, 以匹配曲线的峰度、峰偏、峰值以及峰值间均方根误差(RMSE)为定量评估指标, 以峰值间RMSE 最小为准则自动调整配准参数。结果表明, “先粗后精”的配准算法能够实现相当精确的配准; 匹配曲线特征评估法不仅能够从曲线的光滑度、尖锐度等特性直观描述配准性能, 并能由曲线的特征指标定量评估配准效果, 而且还能自动调整配准参数, 使配准更加精确。

基于像素的图像配准测度函数通常采用归一化互信息，其具有良好的配准性能，能够达到亚像素配准，但对于多模态图像配准，由于局部极值的影响以及全局最大值的捕获范围较窄，容易陷入局部极值导致配准失败。结构相似度通常用来评估图像质量，可以反映图像间视觉效果和结构信息的差别，同时与像素灰度的统计分布相关，当空间位置发生改变时，图像间的结构相似度也随之发生变化。对其进行适当修改，作为一种新的测度函数运用于图像配准。实验结果表明: 这种修改后的结构相似度作为测度函数，其配准曲线为良好的上凸函数，没有明显的局部极值，图像匹配时对应其全局最大值，并且捕获范围较宽，鲁棒性较高，但运算速度较慢，对强噪声比较敏感；应用于三维图像配准，即使是 10个参数的仿射变换，也能够达到亚像素级配准精度。

提出了一种多分辨率多模态医学图像配准方法来提高图像的配准速度与精度。 利用小波函数对图像进行多层分解,采用改进的Powell优化算法寻找待配准图像间的最大互信(MMI)。 配准首先从图像金字塔中分辨率最低的0层图像开始,将0层图像配准获得的变形参数作为1层图像配准的起始参数, 重复该过程直到完成最高精度层的图像配准。CT/MRI和CT/PET图像配准结果证明基于小波分解的多分辨率配准 方法具有避免优化算子陷入局部极值、算子收敛速度快和配准精度高等优点。

针对同类传感器多光谱图像的配准，提出了一种快速有效的图像自动配准方法。该方法采用 Forstner算子分别从参考图像和配准图像提取控制点，再利用基于灰度相关的算法匹配同名像点，然后利用同名像点求解仿射变换参数，实现多光谱图像的配准。通过液晶光谱相机成像实验对该方法进行验证，结果证明了该方法处理速度快，配准精度高。