图像匹配是图像处理和计算机视觉中的研究热点，并被广泛地应用在工业生产、医疗和军事等领域。只要给定模板图像和目标图像，通过图像匹配算法能够在目标图像中找到和模板图像最相似的区域作为匹配区域。为了使电子制造设备能够完成电子元件的定位、抓取、计数等任务，要求图像匹配算法具有高的鲁棒性、速度和精度。然而，现有的绝大多数匹配算法并不能够很好的满足这些需求，因此，本论文针对图像匹配算法在电子制造应用中的鲁棒性、速度和精度问题开展研究，提出了三种基于图像中层特征的匹配算法。具体研究工作如下：　　(1)针对轮廓清晰目标的高速高精匹配问题，本文提出一种基于边缘点梯度方向编码的匹配算法(GDC-TM)。该算法通过对边缘点梯度方向进行编码，实现了梯度方向信息的低损耗压缩和匹配相似性的快速计算，通过拟合点位置逼近的方法提升了算法的匹配精度。对512×512大小的图像，该算法的平均匹配速度在10ms左右，匹配位置精度在±0.06像素；　　(2)针对轮廓模糊目标的快速匹配问题，本文提出了一种基于超像素的归一化互相关匹配算法(SPNCC)。该算法利用超像素对模板图像信息进行非均匀压缩，并提出自适应步长的快速搜索策略，实现在模糊、噪声、光照变化下的快速匹配。该算法在匹配速度上比目前最快的NCC类别算法AMW提升一倍；　　(3)针对纹理目标的高鲁棒性匹配问题，本文提出了一种基于超像素二值描述子的语义匹配算法(RSTM)。该算法改进了SLIC超像素分割方法，并在其分割结果的基础上，创建超像素二值描述子，融合为语义特征，采用贝叶斯边缘概率模型进行匹配，实现在各种常见干扰下的鲁棒性匹配；对比其他7个主流匹配方法，本方法在8种匹配干扰中的平均匹配重叠率最高，为0.984。　　在本文中，不仅对各个算法进行了单独的性能测试，而且在电子制造设备上进行相关的在线和离线应用测试。在GKG项目应用中，GDC-TM匹配算法结合标定模型使得最终的锡膏印刷精度可达±0.015mm；在相关电子元器件、芯片的离线测试中，SPNCC和RSTM匹配算法的总体匹配率不低于99.2%。