LiDAR (Light Detection And Ranging)数据是高精度的地表三维数据,通过自动化的后处理技术可以得到DSM(Digital Surface Model)、DTM(Digital Terrain Model),并进行目标的三维模型重建,为城市规划、环境监测、包括灾前预测、灾害及战争等紧急情况下的快速反应提供可能。但通常LiDAR图像的水平分辨率较低,本文旨在研究低分辨率的LiDAR图像和高分辨率的遥感图像的配准方法为后续的地表三维模型重建做准备。本文的主要研究工作如下:(1)总结了近年来国内外图像配准领域的研究成果和进展;着重研究了基于特征点的配准算法,对于常见的特征点提取算子进行了比较,找出了通用性稳定性都较好的特征提取算子。(2)结合LiDAR图像和遥感图像各自的特点及其共性,实现了两种适合LiDAR图像与遥感图像的配准算法。1)基于Harris角点互信息的图像配准方法。利用LiDAR图像与遥感图像中角点间互信息最大得到图像间的旋转量和平移量。2)基于Harris角点结合灰度映射的配准方法。首先在遥感图像中提取Harris角点,接着利用结合灰度映射的差方和代价函数最小,在LiDAR图像中寻找最佳匹配位置,最后通过正确的匹配点对进行图像配准。(3)实验验证了角点互信息配准算法和角点灰度映射的配准算法对LiDAR图像与遥感图像配准的有效性;并通过对LiDAR图像与遥感图像加噪,验证这两种配准算法的鲁棒性。