本文以灰度图像的匹配算法改进为主要研究内容,对图像预处理、传统灰度图像匹配算法进行了介绍和研究。首先,从课题背景和研究意义出发,介绍图像匹配的概念,一般图像匹配系统的组成内容等方面的知识。其次,本文对现有的图像预处理技术进行了研究。针对直方图均衡、中值滤波、边缘检测作了重点介绍,实验对比了罗伯特算子、索贝尔算子、普瑞维特算子、拉普拉斯算子、高斯-拉普拉斯算子这五种边缘检测算子,分析了各个算子在实际应用中的优劣特性。然后,讨论了几种常用的传统灰度图像匹配算法,如幅度相关算法(MSR)、快速傅立叶变换(FFT)相关算法、平均绝对差(MAD)算法、序贯相似性检测(SSDA)算法等,根据其原理分析了它们的优缺点。在对图像匹配原理进行分析研究的过程中,我们发现两种减少模板图像匹配算法计算量的途径,即通过减小模板图像在基准图像上的搜索空间的大小和减小模板图像与子图像的相关计算来减少匹配过程的总计算量。在此基础上设计了一种新的匹配算法,先对获取的基准图像进行预处理,对预处理过后的基准图像以归一化后的灰度值作为概率密度进行抽样,然后进行粗匹配过程,选取合适的子图像集合,动态更新阀值,得到粗匹配点。最后进行精匹配过程,以粗匹配过程得到的匹配点为中心的九点邻域,用最小二乘法拟合二次曲线,解出二次曲线的驻点,即为最终的精确匹配点。并对算法的复杂度做了详细的分析。最后,对新算法进行了大量实验,并与传统实验进行对比,结果证明新算法具有一定的优越性和实用性。