多光谱图像配准就是将不同时间、不同传感器、不同视角及不同拍摄条件下获取的两幅或多幅图像进行匹配,它是图像分析和处理的前提,也为多光谱图像的准确融合打下了基础。针对传统互信息算法只利用了两幅图像像素的灰度统计特性,而忽略了像素位置之间的密切联系从而导致误配的缺点,本文采用二阶互信息作为相似性测度,并且对二阶互信息加以改进。在计算图像信息熵的过程中,不仅考虑了图像中每点像素的信息,还充分考虑了每点像素邻域像素的信息,从而增加了配准过程中的稳定性,并抑制了配准过程中因插值所产生的局部极值情况,平滑了信息熵的曲线,使图像配准的精度得到提高。针对相似性测度有许多局部极值以及不知道初始搜索参数的特点,本文将具有较强全局搜索能力且对参数初始值没有依赖性的蚁群算法作为优化算法。并针对在蚁群寻优过程中陷入局部极值的缺点,对蚂蚁的层间转移准则和全局信息素的更新策略进行改进,取得良好的效果。考虑到蚁群的较强的全局搜索能力以及蚁群算法所用时间较长的缺点,本文将蚁群算法同局部寻优能力较强的Powell算法加以结合。利用两种算法的优点而摒弃其缺点,缩短了搜索过程所占用的时间,提高了配准速度。论文中的实验结果表明,本文所提出的相关方法使多光谱图像配准的精度与速度得到了提高。