图像匹配在计算机视觉技术方面有着重要的份量，虚拟现实场景生成以及光学和雷达跟踪等方面也离不开图像匹配技术。图像匹配这门技术在图像处理学科发展过程中至关重要。相同的事物在不同的前提下，传递出的图像信息通常情况下都是有差异的，可能表现在诸多方面，例如分辨率、灰度属性和旋转角度等。

1。2  论文背景和意义

而今是信息飞速发展的时代，社会的很多角落都有各类媒体的存在，反映着社会的各类事件，然而在这样一个以信息为主的时代，图像具有很是重要的地位。我们通常会使用某个连续函数来表示模拟图像，或者通过拍照取得，故模拟图像亦叫做连续图像处理。但是它并不是那么完美，有一定的缺点，就好比对模拟图像方面有一定的劣根性，而数字图像是用二进制这种码制的方式来呈现出来的，是数据离散化，并且再汇集，获得方式譬如可以能够用数字拍照式的方法来获得，并对相关方面数据进行加工。     

数字图像处理应用的场景有很多，比如图像传输，指纹、人像等的处理与辨识，自然灾害的预测预报，对产品生产过程的自动控制等等[2]。     

图像匹配技术在不间断的成长，现已渐渐成熟，并且与机器视觉方面联系密切，对处理多维信号以及数值计算方面连接也比较紧密。图像匹配在不断的深入生活的各个层面，随之而来的各式要求与对应的应用产品也就随之产生了，同时也驱使着图像匹配算法的进一步研讨与完善[3]。

1。3  图像匹配的概述

1。3。1  图像匹配的概念           

以某种匹配方式去辨别两幅或者以上幅数图像的相同点即图像匹配，譬如在维数为二的图像中进行匹配，对于规定的区域与将要搜查的区域，对比当两者所选的窗口尺寸相同时它们之间相关的比例系数。它的本质就是在基元的基础上以一定的相似性为前提，在匹配的某一原则下，搜索最好的问题[4]。   

通常情况下，基于灰度值以及对图像信息特性进行提取的这两种方式是模板匹配主要采用的方式。灰度匹配的基本思想：运用统计学相关的方式，利用信号之间的相关程度，通过探求信号与信号之间的相似程度并加以评价来找到相应的同名点，而这些信号可以理解维数是二的图像信号。然而特征匹配就是通过提取并刻画图像之间的特征参数，并以此来匹配的[5]。

1。3。2  影响图像匹配的主要因素  论文网

现实生活中往往有各种因素在影响着图像的获取与交流，对此，研究人员对应不同的影响因素采取了不同的匹配方法，如表1-1所示。

表1-1 匹配算法

影响因素 特征空间 形似性度量 搜索空间 搜索策略

采取措施 选择合理的特征，如灰度值、边界、轮廓、统计特征等 相关函数、Minkowski距离、Hausdorff距离、互信息 参数最优估计、成像畸变的类型与强度 穷尽搜索、分层搜索、模拟退火算法、遗传算法等

1。4  图像匹配的研究现状

从上个世纪七十年代图像匹配观点的提出开始，图像匹配发展快速，在很多领域中都会被运用，比如场景的辨认，虚构的现实场景和机器视觉等方面。与此同时，又出现了很多相应的问题，现有的图像匹配方法并不能满足依据现实提出各种要求，所以目前研究人员正从问题的各个角度着手，全力研究摸索一种精确度高且快速性能好匹配算法[6]。研究内容如表1-2所示。