量子遗传算法是一种将量子理论应用到遗传算法的智能优化算法的。其高并行性而良好的全局性越来受到人们的关注，将其应用到各种优化问题中。本文也是以改进的量子遗传算法为基础，并应用到图像匹配中。首先针对量子遗传算法局部搜索能力差的缺点,本文将具有良好的局部搜索能力的模拟退火算法与量子遗传算法结合，提出了三种结合方式的混合算法，并通过仿真说明了三种改进的混合算法整体性能都要好于标准的量子遗传算法，其中将模拟退火算法直接应用到部分个体更新的方式效果最佳。然后本文针对量子遗传算法不能较好处理高维多峰值的优化问题的缺点提出了一种新的分组的量子遗传算法，其中最主要的思想是每一组记录一个最优解，并以一定的概率交换最优解间的某一维的变量，并运用不等概率初始化种群、改进的旋转门步进角等方法提高算法的整体性能。实验表明改进后的算法能够有效的处理高维多峰值的函数优化问题。同时本文还提出了一种基于图像梯度的归一化互相关测度，它同标准的归一化互相关测度相比具有更好的抗干扰性，更易搜索到正确的匹配点。最后本文将改进后的量子遗传算法和改进后的相似性测度应用到图像匹配中，并讨论了图像匹配的成功率、收敛速度、精度等指标。结果表明将量子遗传算法作为图像匹配搜索策略是非常有效的，能够较大地减少搜索时间并提高搜索精度。