图像匹配技术是图像信息处理领域中极为重要的技术,在机器视觉应用中占极大比重。图像匹配就是根据实时图像与参考图像来选定某些特征、搜索策略和相似准则进行相关运算,以确定匹配的最佳空间对应点。其性能的主要评价标准有匹配概率、匹配精度和匹配速度,而影响其性能的要素主要有特征空间、相似惯量、搜索空间以及搜索策略四个方面。图像匹配算法主要分为基于灰度相关图像匹配算法和基于特征点的图像匹配算法,两种算法均采用逐像素遍历的搜索策略,因此二者的计算量相对较大,匹配速度均也相对较慢,灰度相关图像匹配方法也因此而适用性不强。本文将图像匹配问题转化成全局优化问题,然后将竞选算法应用其中求解全局最优解,以达到提高匹配速度,优化匹配性能的目的。竞选算法是一种群集智能启发式全局优化算法,具有不受初始值限制、信息共享等特征,在全局范围内施行多初始值并行搜索的机制,在加快搜索速度的同时又能防止陷入局部最优的陷阱。竞选算法对基于灰度相关的图像算法进行优化的优化方式是直接应用于全过程中,而基于特征点的图像匹配则不同。由于基于特征点的图像匹配算法寻找特征点的方式其实是寻找局部最优,竞选算法在此过程中发挥作用不会很大,因此对其流程要做出相应的改变。改进流程中需要先寻找到模板的特征点,然后在待测图像的搜索空间内进行匹配,寻找相似惯量最好的点作为匹配点,竞选算法在此过程中即可发挥其优点,提升匹配性能。本文根据上述理论完成了相关工作,首先完成了基于VC++的竞选算法的实现,根据C++语言封装性的功能实现了竞选算法的模块化以及目标函数的输入方式的参数化。然后实现了基于竞选算法的灰度相关图像匹配算法以及基于竞选算法的特征点图像匹配算法,编写了相关程序,并进行了它们与传统的匹配算法之间对比试验,验证了竞选算法具有提高图像匹配速度、优化匹配性能等优点。最后将基于竞选算法的图像匹配算法应用到商标缺陷检测的机器视觉系统中,充分发挥了其能大幅度提升匹配速度的优点。