20世纪70年代初,Holland首先提出了遗传算法。由于遗传算法是全新的模拟生物演化的仿生优化算法,同时遗传算法又适合于任何类函数,因此己成为许多学科共同关注的热点研究领域。然而标准遗传算法存在的一些不足之处,直接影响到遗传算法的性能及遗传算法的执行效果。本文通过对遗传算法的分析,总结了标准遗传算法流程及实现步骤,指出了标准遗传算法存在的问题以及相应的改进方案。随着科学技术的发展,图像拼接技术也越来越得到人们的重视,它被广泛用于医学、军事、航空等领域。而图像拼接的核心问题在于两幅重叠图像之间的配准,图像配准指的是把一个图像区域从另一个往往由别的传感器摄取的相应图像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处理与分析技术。图像配准技术广泛应用在导航定位、目标识别、运动分析、立体视觉、数据融合、变迁检测中,是这些图像分析技术的基础。图像配准问题的困难之处,在于图像类型的复杂多变以及两幅图像之间的各种成像畸变。寻找适应性强、精度高、计算快的配准算法一直是研究的热点问题。图像配准问题的核心也是需要找到两幅图像之间的最优对应关系或数学变换,这是一个典型的参数寻优问题,能够解决这一问题的算法有很多种,遗传算法是众多算法中的一种。本文从基于遗传算法的图像配准方面展开研究,探讨、研究遗传算法用于图像配准的可能性,提出了一种基于遗传算法的重叠区域配准方法,大大减少了计算量,最后通过实验验证了该方法的有效性。