随着计算机和图像处理方法的迅猛发展，粒子图像测速仪(Particle Image Velocimetry，简称PIV)和图像测量技术得到了迅速的发展。作为一种全流场无接触瞬时测量的工具，PIV和相关的图像测量技术已经广泛地应用于多相流、紊流和热流的自动测量，而且具有可靠的精度。本文简要地回顾了PIV技术的一些典型算法和应用，研究了基本互相关算法和基于快速傅立叶变换的互相关算法。基于快速傅立叶变换的互相关算法速度很快，使PIV具备实时性成为可能。 但是，傅立叶变换本身的局限性限制了计算精度和速度的同步提高。傅立叶变换不能提供信号完全的信息，即不知道频率信息究竟出现在那些时间段上；短时傅立叶变换虽然可以获得局部信息，但是对于一个时变的非稳定信号我们很难找到一个“好的”时间窗口来适应各个时间段。 为了克服傅立叶变换的局限性，本文以图像互相关理论为基础，借鉴小波变换的思想，设计了一个小波多尺度匹配算法。小波变换的最大优点是多尺度分析，具有良好的局部化特征和自适应功能，使得该算法能够直接在空域中处理粒子图像，利用二维图像的小波多尺度分解模拟两个最主要的生物视觉通路，并对不同通路分别进行匹配计算，实现快速匹配。 该算法在空域中直接计算，提高了计算精度；在粗尺度上排除大量虚假目标，最大限度地去除了冗余处理，提高了计算速度。西安理工大学硕士学位论文 最后，在vISUAL FORTRAN环境下给出了这种算法的具体实现，处理模拟粒子图像的结果与模拟数据比较吻合，最大位移绝对误差在X方向是0.6671像素，在Y方向是0.7928像素;计算结果与示踪粒子灰度分布模板法(基本的互相关法)在绝大部分点是相同的，只在少数点相差一个像素，而且大多出现在边界区域。小波多尺度算法比基本的互相关算法可以节省大约38.33%的计算时间.将其应用于水垫塘的实际测量，也收到了良好效果.