异源图像匹配技术在视觉导航、精确制导等很多领域具有广阔应用前景，本文从人类对图像的认知规律入手，研究基于粗大轮廓的异源图像匹配关键技术。首先，通过研究人类视觉感知规律和粗大边缘形成机理，给出粗大边缘的定义，并实验验证了该定义的有效性。其次，针对现有边缘检测算法很难快速准确地提取出实际含噪声的异源图像粗大边缘问题，根据粗大边缘形成机理，提出一种基于核空间PFCM聚类的异源图像粗大边缘检测新方法及其快速算法。计算灰度和纹理特征值，并以此构建二维特征空间；根据数据约减思想，压缩参与聚类的数据集；根据核空间的线性可分思想，将约减后的样本空间映射到高斯核空间；再采用FKPFCM算法对图像分割，以得到边缘进行轮廓跟踪。实验表明，与力场转换算法和FCM算法相比，该算法提取的粗大轮廓准确性更高；与PFCM算法相比，该算法的鲁棒性更好，且检测时间约为其1/56。最后，针对现有轮廓匹配算法难以稳健地处理局部轮廓匹配问题及不同拍摄视角或非相似变换引起的一定形变问题，根据局部轮廓结构在产生形变时具有相对稳定性的规律，以及一个好的轮廓描述方法需要融合轮廓局部和全局信息的主流思想，研究基于局部尺度特征的轮廓描述算法；根据优化路径的线性度需要满足采样特性的要求，研究基于九宫格路径约束的DTW匹配算法。实验表明，该算法对存在几何变换及一定形变的异源图像整体和局部匹配具有较好的稳健性，匹配准确率平均约为92%，较HD算法提高了30%，较传统DTW算法提高了26%。