图像配准作为数字图像处理和分析的一项重要技术,它是图像融合、图像拼接、图像动态变化检测等技术的基础;在遥感图像处理、计算机视觉、医学图像处理等领域得到广泛的应用和研究。SURF算法是一种新近出现的图像配准算法,该算法在特征点检测的重复性、独特性和鲁棒性等方面,都能达到较好的效果;且算法引入了积分图像和箱式滤波器,加快了图像配准的速度。在SURF算法的基础上,本文提出了一种改进的配准算法。算法从两个方面对SURF算法进行改进,首先通过对特征点的分析,认为图像边缘周边区域一定范围内的特征点具有更强的鲁棒性。通过双边滤波、Canny边缘检测和形态学处理得到图像边缘周边区域,从而将特征点限定在该区域内。在特征匹配阶段,对检测到的配准点对使用肯德尔系数再次进行约束。设定一个阈值,当特征点对的肯德尔系数大于该阈值时,认为该配准点对匹配性较强,保留该配准点对;当特征点对的肯德尔系数小于该阈值时,认为配准点对匹配性较弱,丢弃这样的配准点对。实验表明,该算法可以有效的提高图像配准的匹配率,对于存在噪声的图像同样可以达到较好的效果,具有较强的鲁棒性。对于彩色图像的配准,SURF算法是将彩色图像转换为灰度图像进行配准,丢失了图像的颜色信息。本文通过对彩色图像配准算法的研究,提出了CSURF彩色图像配准算法。该算法将颜色不变量引入到SURF算法中,通过RGB图像的彩色信息计算得到图像的颜色不变量,然后在颜色不变量上检测图像的特征点,这样检测到的特征点主要分布在图像颜色发生变化的区域。再结合图像的灰度信息来对特征点进行描述,完成图像的匹配。实验表明,CSURF算法有效的增强了算法的稳定性。最后将改进的SURF算法引入到CSURF算法中,可以看出,算法在保持较好的稳定性的情况下提高了图像配准的匹配率。