La técnica de imagen de transmisión multiespectral ha surgido como una técnica prometedora para la imagen del tejido mamario con alta resolución. Sin embargo, el método enfrenta desafíos como imágenes de transmisión ruidosas de baja escala de grises con señales débiles, principalmente debido a la fuerte absorción y dispersión de la luz en el tejido mamario. Un enfoque común para mejorar la relación señal-ruido (SNR) y la calidad general de la imagen es la acumulación de cuadros. Sin embargo, factores como el temblor de la cámara y el movimiento respiratorio durante la adquisición de imágenes pueden causar desalineación de cuadros, degradando la calidad de la imagen acumulada. Para abordar estos problemas, este estudio propone un método novedoso de registro de imágenes. Se aplica un enfoque híbrido que combina un algoritmo genético (GA) y una optimización de enjambre de partículas basada en factor de constricción (CPSO), denominada GA-CPSO, para el registro de imágenes antes de la acumulación de cuadros. La eficiencia de este método híbrido se mejora al incorporar un factor de constricción al cuadrado (SCF), que acelera el proceso de registro y mejora la convergencia hacia soluciones óptimas. El GA identifica soluciones potenciales, que luego son refinadas por CPSO para acelerar la convergencia. Esta metodología se validó en la secuencia de cuadros de mama tomados a una longitud de onda de luz de 600 nm, 620 nm, 670 nm y 760 nm y demostró la mejora de precisión mediante varias evaluaciones matemáticas. Demostró una alta precisión (99.93%) y un tiempo de registro reducido. Como resultado, el enfoque GA-CPSO mejora significativamente la efectividad de la acumulación de cuadros y mejora la calidad general de la imagen. Este estudio exploró las bases para la segmentación y clasificación precisas de imágenes de transmisión multiespectral.