图像配准是图像处理中的基本任务，指的是匹配两幅或多幅来自不同时间、不同传感器、不同视角的同一物体或场景的图像。图像配准用于数字图像处理是为了把两幅或多幅数字图像准确对准以便分析与比较，涉及生理学、计算机视觉、模式识别、影像理解等多个领域知识。由于对应于各种不同数据的应用众多，图像配准已经发展成为一项复杂的、具有很强挑战性的、包含许多方法和策略的任务。随着遥感、医学、以及其他领域获取图像能力的不断增强，导致在过去20年里对图像配准技术进行了大量研究。
 遥感技术目前在社会和科技层面都转向实际应用，这些应用包括对自然灾害的处理，长时间跨度的气候变化评估，预测农作物产量，确定可耕地资源、矿产资源、水资源的范围，环境污染监测，人类活动对地球生态系统的影响等，所有这些都涉及长期监测地球表面。精确的配准算法对于支持镶嵌遥感卫星图像、追踪地球表面环境变化、基础科学研究等是非常重要的，是将这些来自卫星、航空、以及地面不同来源的数据进行融合的首要条件之一。比如，图像配准在对获取的各种现象的大量、综合的数据集的多时相空间和辐射校正中起到基本作用，另外，不同时间或尺度的变化检测只有在多传感器和多时相数据经过配准的精确校正后才能进行。
 配准算法主要有如下几类：基于灰度的配准，基于特征的配准，基于相位的配准。在具体选择配准方法时要根据图像数据的特点、具体应用的需求来考虑，选择以上其中一种或其组合。如常用的基于特征的方法是利用两幅影像上预先提出的点、线、面特征，然后对两个特征集进行匹配，下图为基于特征的配准过程示例：先提取特征点，然后对特征点集进行匹配，最后对图像进行变换。