遥感图像配准是指对同一地物目标区域的两幅或多幅图像进行参数变换，使其在空间位置上实现精确配准，是遥感图像处理的重要内容。本文着重研究已经过粗校正预处理的遥感图像几何配准问题。　　遥感图像几何配准的核心即是找到两幅待配准图像间的数学变换或最优对应关系，是一个典型的参数寻优问题。基于互信息的图像配准方法是当前的一种发展趋势，实质上是一种最优化问题。它可以不依赖于图像本身灰度，通过寻找两幅图像之间的一个最优变换，使得其中一幅图像在这种变换下和另一幅图像达到空间位置的一致，具有无需预处理、准确性高、自动校准、稳健性好等特点。　　论文从对遥感图像几何配准的认识入手，对目前基于互信息进行图像配准的几种算法的特点进行了分析比对。重点研究了基于蚁群算法的遥感图像配准工作原理，并针对遥感图像的特点对标准遗传算法进行了改进。　　作者在对蚁群算法和遗传算法的理论分析基础上，充分考虑这了两种算法各自存在的优缺点，提出了将两种算法进行动态融合的思路，探索一种时间和效率两者兼得的新的启发式的算法，克服蚁群算法运算时间较长和遗传算法易陷入局部最优导致求精确解能力较差的问题，因此分析得出蚁群遗传混合算法的融和模型。实验以图像的灰度统计信息为数据空间，采用互信息配准模型，在搜索策略上采用最大互信息作为目标函数，分别采用蚁群算法、改进的遗传算法和蚁群遗传融合算法对图像间的最优变换参数进行搜索，结果表明在遥感图像几何配准中采用蚁群遗传动态融和算法具有较好的全局优化性，同时配准的精度和速度都有所改进和提高。