针对图像匹配全局搜索影响匹配速度的问题,本文引入了遗传算法,将其与Hausdorff距离相结合来优化图像匹配的搜索过程。首先对基准图像和实时图像进行预处理,以自适应选取阈值的Canny算子来提取图像的边缘作为特征单元;然后引入遗传算法对待配准图像进行匹配操作;在遗传操作中利用改进的STM Hausdorff距离来构造遗传算法的适应度函数,以此通过遗传算法确定出最优的变换参数,完成基准图像和实时图像的匹配;最后通过实验仿真验证了算法的有效性。Hausdorff距离作为一种评价两个图像位置关系的量化标准,以其很强的抗干扰和容错能力被广泛应用于图像匹配之中。然而单纯的Hausdorff距离对噪声和孤立点均比较敏感,导致误匹配率较高。各类改进的Hausdorff距离形式能在特定的匹配环境中克服这些不足,但面对本课题中复杂的成像畸变和复合噪声的情况,仍不能获得理想的匹配效果。本文采取了一种先对标准方差的Hausdorff距离(STMHD)进行排序,尔后再求其部分均值的Hausdorff距离改进形式。这种经改进的STMHD能较好的克服噪声、伪边缘及部分遮挡对匹配精度和稳定性的影响,在配准速度和精度上取得较为理想的效果。