随着机器视觉技术发展日益成熟,其已广泛应用于医疗诊断、军事、各类自动检测与控制、遥感、科研、智能机器人、生活等方面,取得了巨大的经济与社会效益。作为机器视觉中的关键技术之一,图像匹配的实时性已成为机器视觉应用可行性的主要瓶颈之一。多年以来,学者们一直以算法的精度及鲁棒性作为研究重点,而对于图像匹配算法的实时性研究较少。因此本文针对匹配算法的实时性问题进行了研究,在保障匹配算法鲁棒性及精度的前提下,较大程度提高匹配算法的整体实时性,论文所完成的主要工作有:　　 ●模板匹配算法往往需快速获取不同旋转角度下的模板图像,针对该问题,提出了一种基于分块技术的图像快速-高精度旋转算法,该算法与基本图像旋转算法具有相同精度的前提下,显著提高了图像的旋转速度,同时创建Dart模型事先存储旋转仿射变换信息,消除图像旋转算法中的浮点运算。　　 ●针对简单纹理图像快速匹配问题,提出了一种基于主特征点的模板匹配算法,该匹配算法对图像扭曲、复杂背景、遮挡及各种干扰等均具有较强的鲁棒性,同时提出基于主特征点的搜索策略、模板映射、基于主方向的图像索引等优化方法,使该算法具有良好的实时性。　　 ●针对复杂纹理图像的快速匹配问题,提出了一种基于描述符RIBRIEF的图像快速匹配算法。该算法对图像光照变化、噪声及图像模糊均具有较强的鲁棒性,同时由于采用多种优化方法,如描述符索引与描述符聚类相结合,该算法具有非常理想的实时性。实验表明,通过控制特征点数量,两幅图像(尺寸为640×480,一定视角变化)的匹配时间仅为10ms。　　 ●针对复杂纹理图像扭曲问题,提出一种图像区域描述符CHRI,该描述符对图像的旋转具有不变性,同时对图像扭曲具有较强鲁棒性。由于采用了多种优化方法,基于描述符CHRI的匹配算法具有良好的实时性。实验表明,相对于SURF匹配算法,该算法在实时性及图像扭曲鲁棒性方面,均具有更好的性能。