图像配准的基本框架包括以下四个方面：特征空间、搜索空间、搜索策略和相似性度量。
1.特征空间
特征空间是指从参考图像和待配准图像中提取的可用于配准的特征。在基于灰度的图像配准的方法中，特征空间为图像的灰度值；而在基于特征的图像配准方法中，特征空间可以是点、边缘、曲线、不变矩等。
特征空间的选取对图像配准有着重要的意义，因为特征空间不仅直接关系到图像中的哪些特征对配准算法敏感和哪些特征被匹配，而且大体上决定了配准算法的运行速度和鲁棒性等性能。
理想的特征空间应满足以下几个条件：
a）特征提取简单快捷；
b）特征匹配运算量小；
c）特征数据量合适；
d）不受噪声、光照等因素影响；
e）对各种图像均能适用。
2.搜索空间
搜索空间是指在配准过程中对图像进行变换的范围及变换的方式。
图像的变换范围可以分为三类：全局的、局部的和位移场的。全局变换是指整幅图像的空间变换是都可以用相同的变换参数表示。局部变换是指图像的不同区域可以有不同的变换参数，通常的做法是在区域的关键点位置进行参数变换，在其他位置进行插值处理。位移场变换是指对图像中的每一个像素点独立地进行参数变换，通常使用一个连续的函数实现优化和约束。
图像的变换方式可以分为线性变换和非线性变换两种形式。线性变换又可以分为刚体变换和仿射变换和投影变换。非线性变换一般使用多项式函数，如二次、三次函数及薄板样条函数，有时也使用指数函数。
3.相似性度量
相似性度量是衡量每次变换结果优劣的准则，用来对变换的结果进行评估，为搜索策略的下一步动作提供依据。
相似性变换和特征空间、搜索空间紧密相关，不同的特征空间往往对应不同的相似性度量；而相似性度量的值将直接决定配准变换的选择，以及判断当前所取得变换模型下图像是否被正确匹配了。通常配准算法抗干扰得能力是由特征提取和相似性度量共同决定得。
常用的相似性度量有互信息、归一化信息、联合熵、相关性、欧式距离、梯度互信相关等。
4.搜素策略
搜索策略的任务是在搜素空间中找到最优的配准参数，在搜索过程中以相似性度量的值作为判优依据。
由于配准算法往往需要大量的运算，而常规的贪婪搜索法在实践中无法接受的，因此设计一个有效的搜索策略显得尤为重要。搜索策略将直接关系到配准进程的快慢，而搜索空间和相似性度量也在一定程度上影响了搜索策略的性能。
常用的搜索策略有黄金分割法、Brent法、抛物线法、三次插值法、Powell、遗传算法、蚁群算法、牛顿法、梯度下降法等。