图像匹配是目标跟踪系统中的关键技术,其主要任务是对连续图像序列中的目标实现自动识别以及准确定位。作为计算机视觉领域的核心课题之一,图像匹配技术有着十分重要的研究意义和实用价值,目前这一技术已广泛的应用于军事、医学、商业、交通、科学分析等各个领域。基于复杂场景下目标跟踪应用,本文对图像匹配算法进行了深入的理论研究及试验分析,通过对各种图像匹配算法原理性能进行比较分析,提出一种基于灰度相关的多模板匹配算法,经试验验证,该算法在提高灰度相关匹配算法对图像变化的适应性,以及抑制匹配误差提高算法精度方面有明显优势。通过对图像匹配理论的深入学习及对相关研究成果的分析比较,本文采用对图像场景适应能力较强、算法思想简单、易于并行化实现的灰度相关模板匹配算法,作为复杂场景中目标跟踪的主要方法。针对这类算法在对连续图像序列进行图像匹配时存在的固有缺陷做了大量的理论研究及试验分析。从算法优化的角度,探讨了匹配误差成因、相关曲面形态、模板策略等方面对算法性能造成的影响。提出了对变换后的相关曲面进行分析间接评估匹配结果的方法,通过引入相关峰区域这一相关曲面描述量,对算法匹配结果出现精度下降、匹配结果误差过大的情况进行预测。在对国内外相关研究成果进行比较分析的基础上,重点讨论了其中一种使用多级几何变换模板组进行相关匹配的优化算法,与传统单模板匹配算法相比,对其性能提高进行了试验验证,并从相关曲面分析的角度提出了该算法的改进方案。同时提出了一种多位置模板匹配算法,该算法打破传统相关匹配算法仅使用目标位置图像进行模板匹配的常规模式,在图像上除了目标以外的其它位置增加若干个匹配点分别用相关算法进行匹配。经过对选取的多个位置点的匹配结果进行正确性筛选后,使用多位置点正确匹配结果对错误匹配位置进行几何校正,同时使用适时更新的模板策略,当最优变换模板与实时图像匹配得到的相关曲面形态较差时,则对各位置上的模板进行更新。经过在MATLAB仿真试验平台上进行的测试证明了该算法在精度以及匹配可靠性等方面均有明显提高。