图像配准即确定在相同或不同时间、通过相同或不同传感器对同一个地区拍摄的两幅或多幅图像之间关于空间和亮度的最佳匹配关系的过程。角点和边缘都是图像最基本的特征,携带了大量的图像信息,在一定程度上反映了这幅图像的性质和特点,因此基于角点和边缘特征的图像配准方法成为了图像配准领域的一个重要组成部分。当前大部分图像配准方法都存在计算量大、抗噪性弱的缺点。本文针对这一缺点,结合其应用领域的具体要求来设计选择配准算法,以求达到一个精度和效率之间的动态平衡。本文的主要工作为：(1)首先对基于角点、边缘特征的图像配准算法进行了研究,深入分析了这类配准算法的原理、步骤、实现、算法特点、适用范围、存在的问题以及可能改进的方向。(2)针对一些图像配准中高精确性的要求,采用了一种基于角点提取和相关性准则的图像配准方法。该方法首先提取图像角点,然后基于相关性准则进行角点匹配。在角点匹配过程中,采取了松弛算法来提高匹配精度,达到了好的配准效果。(3)针对边缘比较清晰的图像选取了基于形状匹配的配准方法。在该配准方法中,边缘的准确提取十分重要。针对一些干扰信息和噪声对边缘提取过程中的影响,分析了传统的Canny边缘提取连续性准则的不当之处,采用了一种结合可信度的离散Canny边缘提取算法来提取图像边缘,取得了好的边缘提取效果,进而好地实现了图像配准。(4)针对相关性准则的图像配准需要两幅图像之间灰度有线性关系,容易受两幅图像之间灰度属性差异的影响的缺点,选取了基于对齐度准则的图像配准方法：同时针对基于对齐度的图像配准过程中需要在整幅图像中分别对x,y和θ三个方向进行搜索,因而计算量较大的缺点,采用了基于小波多尺度积提取边缘特征点然后根据特征点对齐度实现图像配准,有效地减少了运算量。仿真实验表明该配准算法具有抗噪性,计算速度快,适用范围广的特点。