图像匹配是计算机视觉和图像理解领域的研究热点之一,已广泛应用于多源图像数据融合、环境监测、目标识别、三维重建等诸多领域。虽然图像匹配问题有一个统一的处理框架和思路,但每一类具体的图像匹配问题也都有其特殊的处理方法。论文主要研究了面向目标深度信息获取的立体匹配和面向形状的目标模型识别方法与技术。在面向目标深度信息获取的立体匹配研究方面,论文在评述了立体匹配的基础理论、存在难点、遮挡检测、评价标准、主要方法等以后,具体研究了局部立体匹配和全局立体匹配问题。在局部立体匹配方法研究中,针对应用最为广泛的基于区域的局部匹配方法的不足,提出了两个算法。一是仅仅利用灰度信息即可确定匹配窗口的改进方法,由于不需要同时测算局部灰度和视差变化,因此可以方便地利用整数图像来提高效率,而且计算量与窗口大小无关。二是扩展仅仅基于灰度取得匹配窗口的方法,提出了基于视差点的大遮挡检测立体匹配算法,通过在视差点的结构中用参数来分别描述直线的斜率和左右遮挡量,该方法能够处理斜平面和遮挡问题。在全局立体匹配研究中,针对基于分割的全局立体匹配易受颜色分割错误影响的缺点,提出了两个新算法。一是基于像元集的树加权置信扩展立体匹配方法,利用初始视差控制点的直方图分布来对颜色分割后的区域进行二次分割,有效的缓解了视差在颜色相似区域内发生跳跃所带来的匹配错误。二是将唯一性约束扩展到分割域中,提出了基于复杂分割的对称遮挡检测算法,能够在分割域检测遮挡,该算法在以国际标准图像所进行测试的24个算法中综合指标名列第三。在面向形状的目标模型识别方法研究方面,提出了两个模型匹配的应用算法。一是基于交比不变量的利用局部不变特征识别复杂平面多边形的算法,该算法能够适用目标局部缺损和丢失少数顶点的情况,计算量小,识别效率高。二是基于梯度模板的复杂成像条件下的数字识别算法,该算法可以消除钢铁厂生产环境中光照、灰尘、油漆脱落、机器震动、成像对象移动、数字质量不统一和遮挡等因素对识别处理的影响,在工厂试验生产线上达到80%以上的识别率。