随着计算机及通信技术的发展,图像和视频的应用领域愈加广泛。而人类需要从图像中获取的信息越来越多,单一视角的图像难以满足这些需求。人们为了能够获取到目标的更多信息,通常采用从不同视角进行拍摄的方式,得到同一个目标的更丰富的信息。图像配准算法经过长期的发展,也形成了较为稳定的框架,被广泛的应用在图像融合,图像校正等场合,而传统的配准算法对于多视角光学图像的处理准确率会受到影响,所以基于这种多视角光学图像的配准技术已成为研究的一大热门。与此同时,对象变化检测方法作为动态图像分析与目标跟踪的基础,同样得到了广泛的应用。因此,研究针对多视角图像的、能够更准确,稳定的进行图像配准的配准算法就有着非常重要的理论意义和实用价值。本文主要基于尺度不变特征配准算法,研究适用于对象变化检测算法的多视角图像配准算法,完成的主要研究工作如下:(1)研究了图像配准算法的基础理论,对图像配准算法的流程进行分析与研究,并且对图像配准算法的评价标准进行研究。(2)对基于特征的图像配准算法及相关算法进行了研究,主要对基于SIFT特征点的图像配准算法与基于SURF特征点的图像配准算法、特征点匹配算法与变换矩阵的求解进行了比较深入的研究和分析。并且进行了部分仿真实验,结合算法原理得出直观结论。(3)基于尺度不变特征提取算法,结合最近邻匹配算法与透视变换,对原有的基于尺度不变特征的配准算法进行改进,使其更加适用于多视角图像的配准。并结合实际图像数据进行测试,与原有算法进行对比,比较内容包括算法的准确性测试,算法的时间复杂度分析以及算法的鲁棒性等。(4)研究了对象变化检测的基本原理与主要步骤,并将多视角图像配准算法应用到对象变化检测方法中。(5)完成图像处理与计算机视觉基本模型与算法库的搭建,并完成图像特征提取模块,图像配准与融合模块中部分算法的设计、开发、测试与集成工作。