多光谱图像配准用于将不同时间、不同传感器、不同视角及不同拍摄条件下获取的关于同一目标或场景的两幅或多幅图像进行匹配,它是图像分析和处理的关键步骤,也是图像对比、数据融合和目标识别的必要前提。本文从三个方面对提高多光谱图像的配准效果尤其是可见光图像与红外图像配准的精度和速度方面做了研究。针对传统互信息算法只利用了两幅图像像素的灰度统计特性,而忽略了水平面上像素位置之间存在的密切联系,导致在互信息配准中容易产生误匹配的现象,提出了结合邻域信息的互信息配准算法,在信息熵的计算中将计算每个像素的概率分布变为计算每个像素结合邻域信息的概率分布,并且邻域信息根据和当前像素联系的紧密程度被赋予不同的相关度。针对配准中插值算法容易导致互信息产生局部极值的情况,采用了一种改进的PV插值算法,将插值邻域进行了拓展,有效的减少了互信息配准中联合熵的突变,从而抑制了配准过程中互信息局部极值的产生。针对模拟退火法的缺点,提出了改进的模拟退火算法,首先采用两点法的配准结果作为模拟退火法的初始值,然后将搜索过程中产生的新解限定在阈值范围之内,最后在搜索过程中增加记忆器,使搜索的结果更优。论文中的实验结果表明,本文所提出的相关方法使可见光图像与红外图像的配准精度和速度得到了明显提高。