随着图像匹配技术应用的日益广泛,新的要求也越来越多,图像匹配中一个热点研究问题是如何提高匹配效率,一方面可以简化相似性度量计算,另一方面可以寻找优化匹配搜索过程的算法。近几年提出的粒子群优化算法(PSO),由于原理简单及全局寻优能力强等优点,己开始应用于多个领域,而将PSO应用于图像匹配的研究还不多,且PSO易陷入局部最优,对PSO的改进也是一个热点研究问题。为此,对相似性度量计算进行简化,对PSO进行改进,并开展基于PSO优化的图像匹配技术研究具有重要的研究意义和应用价值。本文在研究传统图像相关匹配算法的基础上,对最大互相关算法进行了简化；通过深入研究PSO的基本原理,分析了导致PSO早熟收敛的原因,将模拟退火和种群分类进化思想引入到PSO中,提出一种混合粒子群优化算法(HPSO);为了利用HPSO良好的全局搜索能力,设计了基于HPSO优化的图像匹配算法,结合图像匹配应用背景进行了种群的设计、适应度函数的选择,通过大量实验确定了HPSO优化图像匹配过程的参数。通过对最大互相关算法的改进,减少了相似性度量的计算量；通过对HPSO的实验,结果证明HPSO比标准PSO有更好的全局搜索能力；通过对基于HPSO优化的图像匹配算法的仿真,结果证明HPSO能很大程度上提高匹配效率,是一种有效的图像匹配算法。文中实验的参数是通过大量实验得到的,没有有效的理论依据,在后续的研究工作中,算法的参数设置方法还有待于进一步研究和探讨；对PSO的进一步研究改进和应用拓展也是今后的研究方向。