图像匹配是指采用某种有效的匹配算法在给定的两幅图像或者多幅图像中搜索相似的关键点,匹配所用的图像是针对同一对象的,但往往可以基于不同时间、不同视角或不同尺寸。目前该技术已经广泛应用于社会生活的多个领域,如:计算机视觉、环境检测、目标识别和跟踪、光学及雷达跟踪等,是一项极其重要的技术。由于图像成像的复杂性,这就给匹配过程带来了困难,选择某种合适的匹配算法是实时性的关键。图像匹配方法一般分为基于灰度和基于特征的匹配方法,这两类方法各有优劣:前者是依据图像的灰度值进行匹配,精确度较高但计算量大;而后者计算量相对较小,且具有较好的抗噪声能力,易于实现实时匹配。本文先介绍了图像匹配的两种典型算法;然后在这两种算法的基础上做了改进,提出了新的改进算法;最后利用编程工具对算法进行实现,对匹配结果作出分析,讨论了各算法的优劣。本文主要做了如下几个方面的工作:(1)经典匹配算法的介绍。详细介绍了模板匹配和SIFT匹配的基本思想,并分别阐述了其实现过程,最后给出了各自的算法流程。(2)匹配算法的改进。分别给出了模板匹配和SIFT匹配两种算法的改进,并介绍了改进算法的基本思想,详细阐述了他们的实现过程,并和之前的算法进行比较,从理论上分析了改进算法的优越性及存在的不足。(3)系统构建及其实现。介绍了算法实现所用的工具(包括VC++、MATLAB及其自带的图形用户界面GUI)、软件操作界面、主要程序代码的编写以及实验数据结果得分析。