图像匹配技术一般分为两种，一种是基于灰度的图像匹配技术，另一种是基于特征的图像匹配技术。

基于特征的图像匹配方法主要是提取图像的显著特征信息，在很大程度上减少了图像的信息量，也就减少了匹配过程中的计算量，匹配速度较快，但是也正是由于这种方法减少了图像匹配过程中的信息量，只有一小部分信息在匹配过程中被使用，所以也使匹配性能大大降低，匹配结果误差较大。

基于灰度的图像匹配方法是利用图像自身的灰度信息来进行像素点之间的匹配运算，这种方法是对图像的全局把握，无需提取图像特征信息，因此匹配精度相比于前者来说较高,但这种算法的计算量较大，匹配速度较慢，本文主要讨论的是基于灰度的图像匹配方法，基于仿真结果比较几种方法的匹配性能。最常用的几种基于灰度的匹配方法有:平均绝对差算法（MAD）、序贯相似性检测法（SSDA）、归一化互相关匹配算法（NC）、基于灰度的模板匹配算法等，本文就是以这四种算法为核心展开论文。

1.2  课题研究的国内外现状

1.2.1  国内研究现状

1.2.2  国外研究现状

2  图像匹配概述

2.1  图像匹配的概念

图像匹配是在两幅图像中寻找相似点或已知一幅图像到另一幅图像中寻找对应图像的技术。其实质是在基元相似的条件下，运用匹配准则的最佳搜索问题，例如二维图像是在匹配过程中通过计算模板图和搜索图中窗口大小相同的区域的相似度，并将搜索图中相似度系数最大所对应的窗口作为最终的匹配区。通常将已知目标图像称为搜索图（或基准图），而将待搜索图像中可能与它对应的子图称为该模板待匹配的目标图像（或实时图）。

一般来说，成像系统在不同时间、不同视角、不同传感器等成像条件不同情况下，即使是对同一场景的取图，图像中所表现出来的光学特性、几何特性、空间位置等都会有很大的不同，再加上考虑到噪声、失真等误差因素的不利影响，最终获取的图像会发生很大差异，图像匹配就是通过这些不同之处找到它们的相同点。

2.2  衡量匹配方法的两个主要因素

衡量一种图像匹配方法的性能主要有两个方面的因素：图像匹配的速度和图像匹配的精度。

图像匹配的速度决定了图像匹配的快速性，主要是由图像匹配过程中的计算量决定的，一般来说，图像匹配计算量等于相似性度量计算量乘以搜索到的最佳位置的位置数，在正常情况下减少需要测量的位置数是非常有必要的，最佳匹配位置数越多，误匹配位置数就越多，计算量就越大，匹配速度越慢。通常可以利用一些搜索方法去掉一些图像中不可能匹配的位置，以减少计算量，提高匹配速度。文献综述

图像匹配的精度决定图像匹配的准确性，通常在匹配过程中由于噪声、灰度失真、几何失真等其他因素的影响，当两幅图像进行匹配时，最终得出的匹配结果是存在误差的，也就是匹配误差，降低匹配误差可以提高匹配精度。

2.3  图像匹配的流程

图像匹配的步骤一般分为读取模板图和实时图、图像预处理、提取特征信息、匹配运算、输出结果。匹配算法不同，匹配步骤可能也不尽相同