人口增长导致陆地资源供给不了人类的需求,人们不由自主的将探索的脚步迈向了大海,由此兴起的水下图像处理技术受到各国的重视。图像匹配作为图像处理的核心技术早已运用到深海探测,目标识别与定位等技术中。由于海底环境复杂,能见度低,水下图像受噪声干扰严重,边缘模糊,易发生畸变和遮挡,水对光的散射效应使得水下图像呈雾化状态,这些都给水下图像匹配带来了巨大困难,且原有的图像匹配技术不一定适合处理水下图像。因此,能够找到一种匹配方法可以准确且快速的对水下图像匹配具有重要的意义和使用价值。图像匹配的一个关键要素就是选取有效的方法评价图像的相似度,自从1991年,Hausdorff(HD)距离作为相似性度量被提出后,HD距离作为一种评价标准被大量应用于图像匹配研究中,但传统的HD距离对噪声、遮挡、伪边缘较敏感,本文分析了几种改进的HD距离在各种环境下匹配情况,提出了改进的STMHD的匹配方法,该方法可以很好的克服这些问题对匹配精度的影响。并引入遗传算法,提高匹配速率。在研究方法上,根据水下图像的特点,利用PCNN方法滤除噪声,并用Retinex算法对图像增强;选择Canny算子提取图像边缘;用遗传算法作为搜索策略,以改进的STMHD构建遗传算法的适应度函数作为选取平移,尺度,旋转最优变换的依据。并采用自适应交叉和变异及个体自我学习方法对遗传算子进行了改进。本文选取水下图像进行仿真,算法得到的最优变换参数都在精确值附近波动,相比其他算法,匹配时间也大大缩短了。加噪前后图像匹配正确率保持不变;当图像遮挡比例在10%时,匹配正确率高达96%,且遮挡比例在25%内算法依然有效;图像旋转30°内,匹配误差可控制在15个像素内;对缩小5倍后的图像进行匹配,正确率控制在92%。结果表明,本文算法可以有效克服水下图像存在平移、尺度、旋转变换、部分遮挡和噪声因素的干扰,且匹配率高,实时性好。