图像匹配技术是图像信息处理领域的重要手段,涉及到工业检测、军事领域、遥感图像处理、数据融合、生物医学、智能交通等众多领域。图像匹配是将两幅待匹配图像在空间上进行对准或者根据已知模式(模板图像)在另一幅图像中寻找对应子图的过程。自然条件下,成像的复杂性(天气、成像角度、光照、干扰物等)影响图像匹配算法的鲁棒性,尤其是实时性和匹配率。因此,本文围绕鲁棒性展开了对图像匹配技术的研究。针对重复模式造成的误匹配问题,本文提出了一种基于间接匹配的鲁棒性算法。首先对特征进行显著度分析,优先匹配均勾分布的显著特征,建立两幅图像之间近似的投影关系。在后续的匹配中,不断缩小投影误差与匹配区域,选择显著性高的特征点进行匹配,逐步修正上一次计算的投影矩阵。该方法优先匹配显著度高的特征点,具有较高的稳定性,可以有效地处理包含重复模式场景的匹配问题,提高了匹配的正确率,增加了正确匹配对的数量。针对传统模板匹配算法无法解决抗旋转的问题,本文提出了一种基于两阶段搜索的抗旋转模板匹配算法。该方法包括两个阶段:首先使用计算量小且具有旋转不变性的圆投影变换方法进行粗匹配来获取候选匹配点,并采用分层搜索策略对该过程进行加速;然后,针对候选匹配点,采用方向码匹配方法进行精匹配,最终定位最优匹配位置。实验表明,该方法在图像发生旋转的情况下具有较强的鲁棒性,显著地提高了匹配速度。