图像配准是图像镶嵌、目标识别、图像融合、目标变化检测、时序图像分析等实际应用问题中的重要步骤，在军事、遥感、医学、计算机视觉等领域得到了广泛的应用。 MOPs(Multi-scale Oriented Patches)算法是基于特征点图像配准中的经典方法之一。该算法对图像进行金字塔分解以后，在每层图像上采用ltarris角点检测算法提取特征点，通过各特征点处的特征描述子之间的匹配，来寻找图像间的匹配点对，用RANSAC方法剔除误配点，计算出仿射变换参数，最终得到配准图像。通过仿真实验，该算法对于单模态图像配准可以获得较好的配准结果，但对于多模态图像之间的配准，不能得到理想的效果。 针对传统的基于互信息的方法无法解决图像的缩放畸变，提出了基于归一化互信息和模糊自适应PSO的图像配准方法。该算法在计算图像互信息之前，先对图像进行尺寸相同化操作，并采用归一化互信息相似性判据，用模糊自适应粒子群优化算法(particle swam optimization，PSO)作为优化策略，来提高配准的精度和效率。仿真实验结果表明，该算法对具有较小仿射变换的图像进行配准时，可以得到快速精确的配准结果。