景象匹配辅助导航技术以其定位精度在理论上与射程无关和自主性强等特点，成为飞行器组合导航中颇受重视的关键技术之一。景象匹配是指把一个图像区域从另一个通常由别的传感器摄取的相应景象区域中确定出来或找到它们之间对应关系的一种重要的图像分析与处理技术。　　针对景象匹配的特点，本文主要选取了基于边缘特征的景象匹配算法作为研究对象，即：基于Hausdorff距离的边缘匹配算法。并围绕算法的抗干扰能力，匹配精度以及匹配速度等指标，对以上算法进行改进，得到了更具抗干扰能力的、鲁棒性的改进的Hausdorff距离的边缘匹配算法。　　遗传算法和模拟退火算法是近年来兴起的一种性能较好的寻优方法。其中遗传算法可以解决大空间、非线性等复杂的寻优问题，但是传统的遗传算法有两个严重的缺点，即容易过早收敛，以及在进化后期搜索效率低。模拟退火算法在搜索过程中，能随机地接受某些劣解，理论上可以收敛到全局最优解，但在足够高的温度、足够慢的降温速度以及每个温度T下Metropolis抽样等条件下，将导致搜索过程效率低下。本文鉴于遗传算法和模拟退火算法各自的特点，将二者有机结合起来，进而得出了一种搜索效率更高的基于遗传退火算法的寻优方法。　　本文通过对遗传模拟退火算法和Hausdorff距离算法的研究，提出了将两种算法结合的新方法。新方法提高了Hausdorff距离算法的匹配速度和精度。经过理论分析和仿真论证，最终得出对比结论，证明改进的Hausdorff距离的边缘匹配算法具有较强的鲁棒性而引进遗传模拟退火算法之后匹配速度有了较大的提高以满足系统实时性的要求。