多模态遥感影像相较单模态而言,提供了更加丰富、全面、综合的地理信息。从而可以补偿单个图像源的缺陷。多模态遥感图像的高精度、自动配准是点云着色、图像融合、图像拼接、目标识别和变化检测的必要前提和关键技术,对于许多新兴的地理空间环境和工程应用至关重要。所以具有不同空间分辨率数据的、数据量巨大的多模态、多时相的遥感数据集的配准仍然是一个值得研究的问题。本文对多模态影像特征进行了分析,总结了多模态遥感影像差异对配准的影响以及配准难点。对现阶段常用的多模态影像配准算法进行了系统研究,分析现有算法的不足。目前各类应用中多模态遥感影像配准依赖于人机交互操作,工作量大且效率低。强大的特征描述符对于多模态影像不具有相同的鲁棒性。同时针对现阶段主流的基于特征和基于变换域的配准算法进行实验,发现这些方法只对特定模态或场景的影像有效,且无法满足亚像素级的配准精度。为此,本文提出了一种顾及灰度和梯度信息的基于马尔可夫随机场（MRFs）的通用、自动配准框架。充分利用多模态影像的灰度和梯度统计信息采用块匹配策略来评估相似性,同时优化空间权重函数。通过离散化值空间加快求解的收敛速度,采用高效推理算法提高计算效率。所提出的方法通过对数据量巨大的多模态遥感数据集的配准实验,从定性及定量两方面验证了该算法的高普适性。对于空间配准精度,所提出的配准框架的平均目标配准误差小于1个像素,而最大位移误差小于1个像素。对于计算效率,耗时均需要7-8分钟。同时,所提出的方法对于大视差场景的多模态图像配准具有一定适用性;对于多时相数据集能准确定位变化区域。通过对比实验分析,主要结论包括:所提出的配准框架优于仅使用灰度信息和仅使用梯度信息的基于马尔可夫随机场（MRFs）的配准;而采用高斯函数作为空间权重函数的配准框架优于采用距离反函数的配准框架。综上所述,本文根据最新研究成果与技术,系统地研究了多模态遥感影像配准算法,并进行了相应的实验和分析。能够有效实现多模态影像的高精度、自动化的配准,推动和促进多模态影像在不同领域的应用。