مرتبط سازی تصویر روند تعیین بهترین تطبیق مکانی بین دو یا چند تصویر بدست آمده در زمان‏های مختلف، از منظرهای متفاوت و یا با سنسورهای مختلف می‏‏باشد که دو تصویر مبنا و ورودی را به صورت هندسی بر هم منطبق می‏‏نماید. این فرآیند شامل چهار مرحله استخراج عوارض، تناظریابی عوارض، محاسبه‏ی تابع تبدیل و نمونه برداری و ترانسفورماسیون می‏‏باشد. هر یک از این موارد نقش مهمی ‏‏‏را در فرآیند مرتبط سازی ایفا می‏‏نمایند، اما استخراج عوارض و تناظریابی میان آن ها مهم ترین مراحل از این فرآیند می‏‏باشند. تناظریابی نقاط مرتبط یکی از چالش برانگیزترین مسائل در سنجش از دور است که روش‏های زیادی برای حل این مسئله ارائه شده اند. هدف اصلی این پایان نامه پیاده سازی روش تناظریابی با استفاده از شبکه عصبی هاپفیلد برای انواع مختلف تصاویر هوایی و ماهواره ای می باشد. در این تحقیق به منظور انجام تناظریابی به ترتیب از شبکه عصبی هاپفیلد مرتبه 4 و مرتبه 2 استفاده می شود. شبکه عصبی هاپفیلد مرتبه 4 در تناظریابی با مشکلاتی مواجه می باشد. در این شبکه، با افزایش تعداد نقاط استخراج شده از تصاویر مبنا و ورودی زمان همگرایی شبکه و احتمال همگرایی به مینیمم های محلی مشکل ساز می شود. علی رغم استخراج همه و یا اکثر تناظرهای درست توسط این شبکه مشکلات مطرح شده کارایی شبکه عصبی هاپفیلد مرتبه 4 را برای تناظریابی کاهش می دهد. در راستای حل این مشکل راه حل پیشنهادی در این تحقیق، استفاده از شبکه عصبی هاپفیلد مرتبه 2 می باشد. در مقایسه با شبکه مرتبه 4 به دلیل کاهش مرتبه در شبکه عصبی هاپفیلد مرتبه 2، زمان همگرایی و احتمال همگرایی به مینیمم های محلی کاهش می یابد. برای تناظریابی با شبکه عصبی هاپفیلد مرتبه 2 نیاز به حداقل 2 جفت نقطه متناظر اولیه می باشد. این نقاط متناظر اولیه با استفاده از شبکه عصبی هاپفیلد مرتبه 4 بدست می آیند. در این راستا با استفاده از اپراتور harris نقاطی با تعداد محدود از تصاویر مبنا و ورودی استخراج می شوند. سپس با استفاده از شبکه عصبی هاپفیلد مرتبه 4 نقاط متناظر بدست می آیند. پس از انجام آنالیز حداقل دو جفت نقطه متناظر مناسب انتخاب می گردند و برای تناظریابی تعداد بیشتری از نقاط وارد شبکه عصبی 2 بعدی هاپفیلد می شوند. نتایج ارزیابی بر روی انواع مختلف تصاویر ماهواره ای بیانگر موفقیت این روش در جستجوی تناظر های درست بوده است.