图象匹配是根据已知模式的图象在一幅陌生图象中寻找对应该模式的子图象的过程，它是图象理解和机器视觉的基础。图象匹配技术涉及的应用领域广泛，在工业检测、遥感测量、生物医学、交通管理和图象数据库检索等领域中。匹配研究涉及到了许多相关知识领域，如图象采样、变换、预处理、分割、特征提取等，并且将计算机视觉、多维信号处理和数值计算方法等紧密结合。 本文主要针对图象匹配快速算法进行研究，重点讨论模板匹配方法中的快速算法。讨论了同心圆矩匹配快速算法的可行性，同时讨论旋转角度计算中的快速算法的研究，本文主要讨论了两种快速算法的性能。在图象匹配快速算法的研究中，本文主要做了如下几个方面的工作： 1．系统分析了国内外近年来关于图象匹配问题的研究状况，总结了图象匹配这一研究领域的进展，从关系结构匹配方法、神经网络匹配方法、基于特征的匹配方法、基于灰度的匹配方法四个方面分析讨论了图象匹配的研究方法。讨论了图象模板匹配中涉及的匹配特征、相似性测度以及匹配策略这三个方面所涉及的各种算法，并评估和比较了它们的优缺点，指出了存在的问题。 2．讨论了基于图象灰度信息的匹配和基于图象特征的匹配两种方法，指出两种方法的优点和适应的环境，讨论了亚像元匹配的两种方法，重采样匹配方法和曲面拟合方法。 3．讨论了同心圆窗口矩匹配方法。本文在Goshtasby研究的基础上，针对同心圆窗口矩匹配中对光照变化比较敏感，实时性能不够好，匹配速度不够理想这一问题进行，加入了针对Phong光照模型的预处理，改善了算法对线性光照变化的适应能力，引入了排序概念，限定了每一步生成的可能匹配点的上限，改善了该算法的实时性能，提高了算法的速度，并且保证了算法的性能。 4．讨论了同心圆窗口矩匹配中的主轴角度算法，并且根据该算法的缺陷给出了两种改进方法，结合重采样和最小距离匹配的主轴角算法以及基于曲线拟合的主轴角度算法，进行了对比实验。 5．针对图象匹配中实际环境存的情况，不同的系统对算法的速度，适应噪声的能力以及实时性能等要求都不同，所以不可能找到一种通用的快速高精度算法。讨论了其它几种匹配方法的改进，最小距离匹配方法，Roberts算子提取边缘以及金字塔最小距离匹配法。 本文讨论的主要方法已在PC机上实现，在实际算例的验证中获得教为满意的结果。