遗传算法(Genetic Algorithms,简称GAs)作为进化计算的一个主要分支,是利用生物进化的思想和原理来解决实际应用问题的。遗传算法以其简单、智能性、本质并行性、鲁棒性好而广泛应用于很多学科。图像匹配(Image Matching)是图像处理和计算机视觉领域中一个重要的研究方向。图像匹配是两幅图像在空域和亮度上的映射,其主要目的是找到最优的空域坐标变换和亮度变换。但传统的匹配方法,如模板匹配法,在匹配模板与待匹配图像间存在噪声影响、亮度等差异时,匹配算法在时间和精度上得不到很好的统一。本文对遗传算法的原理和发展方向进行了综述,在传统匹配方法的基础上,提出将小生境算法作为遗传操作的一部分,对遗传算法进行了改进,并将改进后的遗传算法应用于图像匹配,取得了较好的效果。本文完成的工作主要包括：1.本文介绍了遗传算法产生的生物背景及其发展历史,在介绍遗传算法基本原理的基础上,讲述了标准遗传算法的基本操作流程。通过对遗传算法的研究现状和改进现状的了解、分析,提出了改进的遗传算法。2.介绍了图像匹配的相关理论,对传统的具有代表性的算法进行了分析评价,针对传统图像匹配领域中所存在的问题,提出了一种基于改进遗传算法的图像匹配算法。3.将标准遗传算法应用于传统的图像匹配算法,验证了标准遗传算法在图像匹配中的有效性；将改进的遗传算法应用于图像匹配,实验证明,改进的遗传算法具有很强的局部和全局寻优能力,搜索性能明显优于标准遗传算法。该项工作将改进遗传算法与图像匹配结合,解决了传统图像匹配存在的问题,提高了匹配效率,具有较强的实际应用意义。