在图像处理技术中,图像分割和图像匹配的研究一直深受人们重视,二者的应用领域极其广泛。利用分割技术能够获得图像中指定目标的形状或者轮框描述,为下一步进行目标识别打下基础。将分割出的目标与模板图像进行比较,通过图像匹配技术最终完成目标识别。可见,图像匹配和图像分割技术之间存在着密切的联系。本文围绕着基于点集特征的图像匹配进行展开,重点介绍了相干点漂移的点集匹配算法,以及基于四象限思想的分割技术这两个图像处理的重要课题。(1)本文采用基于四象限思想的方法对序列图像中的运动目标进行分割。实验所采集的数据中的目标的运动轨迹似圆形,使用本文介绍的算法,首先对保存好的帧序列数据作预处理(图像增强、滤波和去噪),然后利用四象限分割的思想,生成背景图像,通过与原视频图像数据做似然运算来提取前景,经过阈值调整,使每一帧图像尽量都分割出完整的二值目标图像,并通过形态学运算消除边界毛刺,填补空洞位置。最后,将分割出的二值图像与数据库中的2D汽车模型做相似性匹配实验;(2)本文提出一种基于距离阈值约束的相干点漂移匹配算法。在点集进行配准前,利用欧式距离阈值法对非精确模板点集进行重采样,剔除非精确模板点集中距离目标点集过大和过小的离散点,将得到较为精确的点集作为CPD迭代的初始点集,同时在进行点集配准时鲁棒性权值ω设为趋于0的较小值。仿真实验中,通过非精确模板点集和目标点集的匹配与精确模板点集和目标点集的匹配的实验比较,可以看出使用本算法对点集进行重采样后,解决了权值的选取不当问题,提高了原CPD配准的速度和精度。