本论文首先简要介绍了图像匹配的基本原理及步骤，将现有的常用基于灰度和特征的匹配方法进行了比较，分析了各自的优缺点。在此基础上，重点研究了互信息这一新的相似性度量准则，包括其原理，相关概念，在图像匹配中的应用及具体实现过程，进行了互信息准则在遥感图像匹配中的适应性研究。 其次，为了提高互信息匹配的正确率，研究了分灰度阶估算的方法，并探讨这种方法对互信息匹配造成的各种影响。同时，利用常用的评价图像质量的指标，如相似信噪比，图像梯度，图像重复模式等，分析了互信息匹配与图像质量之间的关系。实验结果证实，互信息测度能够较好的克服图像灰度非线性畸变的影响，大大提高匹配正确率，比传统的归一化互相关算法具有更高的匹配正确率。 针对互信息匹配速度较慢的缺点，本文探讨了一种新的全局优化方法——粒子群优化算法进行了互信息匹配过程的优化。由于该优化方法本身具有容易陷入局部极值的缺点，而在利用互信息准则对不同传感器得到的不同分辨率图像进行匹配时也会产生很多局部极值，为该方法在基于互信息的导航图像匹配中的应用增加了难度，因此需要对原始PSO方法进行改进，找到针对本文研究问题的较好的解决方法。本论文对PSO方法中的最优参数设置，循环结束条件及多种改进方法对提高算法的有效性进行了研究，通过大量研究实验发现随机初始化的思想、约束因子法、均匀布设初始值的方法在不影响运行效率的情况下，可大幅度提高匹配正确率。随后对随机初始化的方式、机制进行了深入探讨，并结合上述思想提出了基于随机初始化的综合PSO优化算法，实验证实该方法应用于基于互信息的多源遥感图像匹配中可以取得较好的匹配结果。 本论文中利用不同传感器获得的多源遥感影像，对互信息算法及改进的粒子群优化算法进行了验证。通过与传统归一化互相关算法的对比实验及对实验结果的分析，证明了互信息准则在遥感图像匹配中具有更高的鲁棒性，而基于随机初始化的综合PSO法不仅提高了互信息准则匹配的速度，并且能够得到相对较高的正确率。