图像匹配技术的完善使它越来越多的融入到了人们日常的生产、生活中。图像匹配简单来说就是配准两幅有对应关系的图像的技术。其中基于特征的图像匹配最为常见。其任务主要是从待测图像中提出多个有代表性的稳定特征点,利用种种数学方法对选取的特征参数进行描述,而后建立多点间的对应相似关系。由于传感器的感光材料、成像原理、待测图像的角度、以及测量环境的干扰,这些都增加了图像匹配的难度。随着图像匹配技术的发展,特征匹配成为了当今的主流,它不仅能克服以上缺点,使得待测特征点数大为减少,且具备良好的抗扰性和适应性。SIFT特征匹配和SURF特征匹配是两种较为有代表性的特征匹配方法,对于各种噪声及图像变换都具有很好的鲁棒性。SIFT特征匹配有着压缩信息量、精确度高的优点,但同时也存在着计算量大、耗时长、对被测物位置要求苛刻等不足。SURF特征匹配用矩形滤波器代替了二阶高斯滤波核,使匹配过程得以加速,但由于主方向过于依赖局部像素的梯度方向,由此产生不小的误差。所以找出一种快速提取稳定且具有代表性的特征向量,形成有效描述,完成相似性度量的匹配方法是本文研究的主要目标。本文主要内容包括:⑴在视觉传感器检测基本理论的基础上进行相关硬件的选型,完成整个硬件系统的搭建;⑵以Visual Studio 2005为开发环境,完成系统软件的程序设计,实现对被测物的数据统计及实验结果分析;⑶利用微软公司专门用于视觉传感器检测开发的开源open CV(Open Source Vision Library)函数库,进行图像预处理、图像定位、特征匹配检测算法的研究;⑷用该检测系统对不同的被测物进行匹配实验,验证系统的准确性、可行性,完成实验结果分析。文章通过实验证明了:本文提出的特征匹配方法相对于单一的SIFT特征匹配或者SURF特征匹配来说,更能满足参数估计准确和生产实时性的要求;它能在忽略被测图像位置的前提下对数字图像进行精确判断、识别。本文匹配算法所具有的高效率将为后续实用化的研究打下了基础。