Image registration 是指同一目標的兩幅或者兩幅以上的圖像在空間位置的對準。圖像配準技術的過程，稱爲圖像匹配或者圖像相關（image matching or image correlation）。
半自動配準：人機交互方式提取特徵（如角點），然後利用計算機對圖像進行特徵匹配、變換和重採樣。
自動配準：計算機自己完成。基於灰度或者是基於特徵。
基於灰度：精度高，缺點是對圖像灰度變化敏感，尤其是非線性化的光照變化。計算複雜度高，對目標的旋轉、變形以及遮擋比較敏感。
基於特徵：特徵提取和特徵匹配。可提取的特徵有點、線與區域。特徵區域一般採用互相關來度量，但互相關度量對旋轉處理比較困難，尤其是圖像之間存在部分圖像重疊的情況。最小二乘匹配算法和全局匹配的鬆弛算法能夠取得比較理想的結果。
(1) 圖像配準的一般模型
圖像配準可以定義成兩相鄰圖像之間的空間變換和灰度變換，即先將圖像像素的座標X映射到一個新座標系中的某一個座標X’，再對其像素進行重採樣。圖像配準要求相鄰圖像之間有一部分在邏輯上是相同的，即相鄰的圖像有一部分反映了同一目標區域，這一點是實現圖像配準的基本條件。如果確定了相鄰圖像代表同一場景目標的所有像素之間的關係，採用相應的處理算法即可以實現圖像配準。
假設現有圖像F和G，需要對他兩進行配準。該問題可以抽象爲對圖像G做空間變換和灰度變換，得到圖像G2，使得變換後的圖像G2和圖像F之間的相似度達到最大或最小，這個相似度可以根據經驗人爲設置。
一般地，空間變換要求兩幅圖像具有相同的分辨。通常以高分辨率圖像爲參考圖像，先對高分辨率圖像進行抽樣，使其分辨率與待配準圖像的分辨率保持一致；再進行空間變換和灰度變換；最後對配準後的圖像進行插值，使其分辨率與原始參考圖像的分辨率保持一致。
(2)圖像變換與重採樣
在圖像配準中，首先根據參考圖像與待配準圖像相對應的特徵點，求解兩幅圖像之間的變換參數；然後將待配準圖像做相應的空間變換，使得兩幅圖像在同一空間座標系內；最後通過灰度變換，對空間變換後的待配準圖像值進行重新賦值，即重採樣。
圖像變換就是尋找一種座標變換的模型，建立從一副圖像座標到另一幅圖像座標之間的映射關係。在圖像配準中，常用的有剛體變換、仿射變換、投影變換和非線性變換四種模型。
重採樣的方法是利用待配準圖像與參考圖像最鄰近的像素點的灰度，使用逼近的方法得到待配準圖像的點陣的座標點的灰度值，從而得到最終配準圖像。一般採用的算法有雙線性插值與最鄰近像元法。