图像匹配在计算机视觉和摄影测量领域中都得到了广泛应用,如目标定位、目标跟踪、运动估计和三维重建等。图像匹配的可靠性和计算速度往往对这些应用的性能有着至关重要的影响。图像匹配算法可以分为基于模板的图像匹配(常被称为模板匹配)和基于特征的图像匹配。模板匹配(Pattern Matching)是将一幅图像作为模板并通过逐像素比较的方法搜索模板在另一幅图像上的对应位置的过程。由于模板提供的图像信息更加完整,模板匹配算法能比基于特征的图像匹配算法更好地适应弱特征、图像噪声和成像模糊等不利因素。但是面对一些实时图像匹配任务或是存在严重噪声和灰度畸变干扰的异源图像匹配任务,现有的模板匹配算法往往还存在计算速度不够快或可靠性不足等问题。因此研究计算速度快、可靠性好的模板匹配算法具有非常重要的意义。本文以基于模板匹配的末制导和实时视频稳像为研究背景,对模板匹配算法中的测量准则和本征图像提取进行了深入的研究,致力于改进模板匹配算法的计算速度和模板匹配对噪声、灰度畸变的适应能力。本文的主要研究成果如下:1.针对基于L1范数的模板匹配算法计算速度较慢的问题,本文提出了一种基于余弦和的测量准则。测量准则用于衡量图像之间的差别或相似性,对模板匹配的可靠性和计算速度有重要影响。L1范数是一种可靠性较好的差别测量准则,但是基于L1范数的模板匹配算法计算速度较慢。本文提出余弦和的测量准则在可靠性上和L1范数比较接近,但可以利用快速傅里叶变换(Fast Fourier Transform,FFT)或正交分解原理大幅加速基于该准则的模板匹配算法。2.为了提高基于标准化互相关(Nomalized Cross Corelation,NCC)的模板匹配算法的计算速度,本文提出了一种基于正交分解原理的NCC快速模板匹配算法。该算法可以在不降低可靠性的前提下,大幅提高算法的计算速度。测试结果表明:在噪声较弱的情况下,该算法比基于全搜索的NCC模板匹配算法快1~2个数量级;在图像噪声较强的情况下,该算法可以自适应地终止迭代过程,防止计算量过分增加。3.针对异源图像匹配常常遇到的灰度畸变问题,本文提出了一种基于结构张量的本征图像提取算法。该算法将灰度图像转化为基于结构张量的本征图像,可以降低灰度畸变和噪声对模板匹配的不利影响,从而提高模板匹配的可靠性。此外,本文还提出一种基于相似性余弦和的测量准则,利用该准则可以有效提高基于结构张量的模板匹配算法的计算速度。实验使用异源图像对基于结构张量的模板匹配算法和现有的多种模板匹配算法进行了比较,结果显示,本文算法能有效地提高匹配正确率,并大幅提升计算速度。4.针对末制导应用中的目标定位问题,本文提出了一种基于三角不等式性质和正交分解原理的快速模板匹配算法。为了提高实时性,末制导应用中的模板匹配算法需要尽可能地减少在线计算量。本文提出快速模板匹配算法根据一些末制导应用中基准图及其相关数据可以在离线阶段准备的特点,利用三角不等式性质和正交分解原理,在离线阶段完成模板匹配中的大量计算,从而能有效减少这类末制导应用中模板匹配算法的在线计算量。5.针对视频稳像问题,本文提出了一种基于关联卡尔曼滤波器的实时稳像算法。该算法首先利用模板匹配和特征点跟踪相结合的方法快速可靠地提取出视频运动,然后利用本文提出的关联卡尔曼滤波器对视频运动进行滤波,达到稳像的目的。与基于三维重建和特征轨迹提取的稳像算法比较,本文算法能更有效地适应图像噪声、运动模糊和光照变化等因素。实验的测试结果表明:本文提出的稳像算法能实时地对包含二维场景和较复杂的三维场景的视频进行稳像。