图像配准是图像处理技术中的一个基本问题,其主要目的是基于灰度属性,图像分辨率,寻找两个或多个图像之间的最佳的配准位置。也可以说图像配准技术是在不一样的时间点,不一样的传感器或不一样的角度将需要配准的两幅或多幅图像合成到一张图像中。图像配准方法基本可以分为三种:基于局部不变描述子的图像配准、基于灰度处理的图像配准方法和基于特征的图像配准方法。本文采用基于灰度处理的图像处理技术,优化以后的蚁群算法输出最优参数,而这些参数用于几何变换的公式中,使得配准技术的准确率更高,效率更快。而优化蚁群算法的方法是用萤火虫算法初始化蚁群算法的参数,可以缩短蚁群算法的运行时间。蚁群算法是仿真蚁群觅食行为的优化算法,该算法采用并行优化机制的正反馈方法,有较强的鲁棒性,易于优化,与其他算法结合较容易,在解决许多复杂优化问题中表现出优异的性能和巨大的发展潜力,吸引了众多国内外学者研究这个算法。由此可见蚁群算法在图像配准中的应用具有理论和实际意义。文章介绍了图像配准技术的研究意义、发展背景和研究现状,并对蚁群算法和萤火虫算法的基本知识和理论分别进行了讨论。在这些理论的基础上,用实验证明优化后的蚁群算法在效率方面的优劣,用另一组实验证明该算法用于图像配准的优劣。