基因表达式编程(GEP)算法是一种融合了遗传算法和遗传编程的新型演化计算方法,目前己被广泛应用于函数发现、数据挖掘等领域。多表达式编程(MEP)算法是一种一条染色体内包含多个表达式的GEP算法。与GEP相比,MEP能较好地减少复杂问题的种群进化辈数。图像配准和图像检索是图像处理中两个重要的研究领域。本文在改进基本GEP算法和MEP算法的基础上,分别将其应用于图像配准和图像检索,所得模型的图像配准精度更高,图像检索精度更好。本文的主要工作和研究成果如下：1.介绍了GEP算法、MEP算法、图像配准和图像检索的相关理论知识,比较了GEP和MEP算法的编码特点,总结了GEP算法在图像处理中的应用,提出了将GEP和MEP算法应用于图像配准和图像检索的方法。2.根据GEP算法的函数发现能力,将图像配准问题转化为用GEP进行函数挖掘。在利用演化建模方法确定图像配准模型的基础上,改进了GEP算法中常数变量的产生方式,提出了基于改进GEP的图像配准算法,降低了演化时常数变量产生的随机性。实验证明,改进的GEP算法比传统GEP算法具有更高的图像配准精度。3.针对非平衡数据问题中数据高度倾斜的特点,在GEP算法中结合阈值和代价比例的变化,提出了一种基于改进GEP的代价敏感分类算法,解决了传统算法中阈值和代价比例固定的问题,实验证明了改进后的算法对非平衡数据问题有更好的分类效果。4.将图像检索问题转化为用MEP进行非平衡数据分类。首先对图像进行预处理,提取图像轮廓,根据图像形状特征利用图像描述子得到特征向量,计算向量间的距离,将其作为MEP算法的训练集,通过MEP模型设计合适的非线性的相似函数。实验结果表明,MEP模型在图像检索上具有很高的检索准确率。本文将MEP算法应用于图像检索中,属于新领域应用。