图像匹配技术对计算机视觉研究工作来说是至关重要的，是图像处理的关键步骤。该技术在工业、军事、遥感以及许多与图像相关的知识领域都有着广泛的应用。

在工业上，图像匹配技术可以进行工业检测、产品评估并且对于提高产品质量、生产率和节约成本方面有着相当高的价值意义；在军事上，本文可以充分利用其精确度高的特点，使各种远程精确制导武器的发展不断完善，比如巡航导弹就是一个典型的例子；在遥感技术上，图像匹配技术被广泛应用于目标定位以及建筑、交通、矿物、天气等各个方面。

在与其相关的许多相关知识领域中，图像预处理、图像分割和采样、图像的特征提取等许多方面，图像匹配技术都是不可或缺的一部分。文献综述

2.3 图像匹配技术的方法

图像匹配方法本文一般可以分为分别以灰度和特征为基础的两种匹配方法。

2.3.1 以灰度为基础的图像匹配方法

以统计的观点将图像看成是二维信号，采用统计相关的方法寻找信号间的相关匹配，利用两个信号的相关函数，评价它们的相似性以确定同名点，这就是灰度匹配的基本思想。

灰度匹配通过利用某些相似性度量，如相关函数、差平方和、协方差函数、等测度极值和差绝对值，来判断两幅图中的对应关系。

归一化的灰度匹配法是现在最经典的灰度匹配法，其基本原理是逐像素的把一个以一定大小的实时图像窗口的灰度矩阵，与所选图像的所有可能的窗口的灰度阵列，按某种相似性度量方法进行搜索比较的匹配方法，从理论上说就是采用图像相关技术。

以灰度信息为基础匹配方法的主要不足之处就是计算量过于庞大，因为使用的都是有一定的速度要求的场合，所以很少使用这些方法。现在已经有一些快速算法被提出，如FFT(快速傅里叶变换)相关算法，幅度排序相关算法和分层搜索的序列判断算法等。

2.3.2 以特征为基础的图像匹配方法

特征匹配是指通过分别提取两个或多个图像的特征（点、线、面等特征），对特征的参数进行描述，然后通过运用所描述的参数来进行匹配的一种算法。

一般包含的特征有形状特征、颜色特征、纹理特征、空间位置特征等的都是基于特征的匹配所处理的图像。

特征匹配首先是提取图像高层次的特征，可以通过预处理的方式来提取，之后建立两幅图像之间的特征匹配对应关系，人们常常使用的特征基元有点特征、区域特征和边缘特征。特征匹配需要用到许多比如矩阵的运算、傅里叶变换、还有梯度的求解和泰勒展开等数学运算。源.自/优尔·论\文'网·www.youerw.com/

模型方法、信号处理法、统计方法、几何法、几何参数法、傅氏形状描述法、边界特征法、形状不变矩阵法等都是本文通常使用的特征匹配与提取方法。

基于图像特征的匹配方法可以克服利用图像灰度信息进行匹配的缺点，由于图像的特征点比较像素点要少很多，大大减少了匹配过程的计算量;同时，特征点的匹配度量值对位置的变化比较敏感，可以大大提高匹配的精确程度;而且，特征点的提取过程可以减少噪声的影响，对灰度变化，图像形变以及遮挡等都有较好的适应能力。所以基于图像特征的匹配在实际中的应用越来越广泛。所使用的特征基元有点特征(明显点，角点，边缘点等)，边缘线段等。