目标图像匹配是数字图像技术中一种较为关键的核心技术。实现快速、高效的目标图像匹配对许多行业领域有非常大的帮助作用,例如机器人视觉、定位导航、医学图像研究等等。本文主要研究在复杂变形情况下,如仿射变换模型中的目标图像检测与匹配技术。本文首先针对图像匹配技术的研究现状及发展进行了介绍。随后针对图像匹配相关技术进行分类阐述,并研究介绍了图像匹配技术中的主要流程。本文将PSO粒子群优化应用于图像匹配技术中,提出了基于梯度极值点和PSO优化的仿射目标模型匹配算法。随后针对PSO的搜索策略,提出了重新定义了搜索策略的各个参数,使之更加合理,提出采用动态更新策略的方法,更新粒子群的最大速度、惯性权重以及搜索空间,提高了粒子群算法的收敛性。在多目标图像匹配领域,本文创造性地提出了使用多群粒子群进行多目标模式检测,并给出了理论介绍和相关实验。本文在针对具有仿射不变性的图像特征中进行了研究,介绍了基于ASIFT特征的图像匹配方法,并且通过RANSAC算法,进行了特征点匹配的精细筛选。最后本文创新地提出了基于PSO优化的ASIFT匹配算法,并给出了算法的详细理论模型以及实验结果,并证明了该算法的合理性和有效性。PSO粒子群优化算法具有较少的参数、容易进行优化和改进,同时该方法具有一定的算法智能以及模拟社会性的特点。它是全局优化算法中的一个重要分支。图像匹配技术通过相似性度量准则,通过找到具有最高相似度的图像变换模型来完成匹配技术。粒子群优化则可以智能高效地对相似性度量进行在搜索空间中的全局优化,完成变换模型参数的估计和寻优。最后针对具有仿射不变性特征的ASIFT算法,本文通过提出其改进算法PSO-ASIFT,粒子群优化策略和ASIFT相结合,提高了算法对相机姿态位置采样的精度,将离散采样转化为连续的相机姿态的精确优化,极大地提高了图像特征的提取能力,同时降低了特征对于图像形变后出现的误匹配情况,实验证明该算法有效地提高了目标图像的匹配精度。