本发明公开了一种基于深度卷积GAN的光学和SAR图像配准方法，其步骤包括，获取训练样本，构建两个生成对抗网络，训练生成对抗网络，扩充训练样本数据，构建特征提取和匹配网络，采用交叉迭代策略训练特征提取和匹配网络，预测匹配关系，去除误匹配点，计算几何变换矩阵，配准图像；本发明克服了现有技术中神经网络训练样本数据不足、样本单一且提取的图像特征丢失空间信息的问题，有效提高了异源图像配准的鲁棒性，实现了对SAR和光学图像更高精度的配准。