图像匹配是计算机视觉、图像处理领域的一个重要研究方向。目前，由于图像成像的复杂性，必然给匹配过程带来困难，因此，快速、适用性强且精确度高的匹配算法日渐成为当前图像匹配的研究重点，并且具有重要的理论意义和应用价值。一般而言，图像匹配方法主要分为两类：基于灰度的图像匹配方法和基于特征的图像匹配方法。本文在研究现有主要匹配算法的基础上，分别针对两类匹配算法的缺点进行改进，提出了快速灰度图像匹配算法，并验证了其有效性。本文主要内容如下：1、针对基于灰度的图像匹配方法，重点研究了归一化互相关(NCC)方法，提出了一种新的基于NCC的快速图像匹配算法。该算法基于粗、精匹配的思想，将区域质心特征、颜色直方图信息与归一化互相关匹配方法结合起来实现图像的定位匹配。在图像匹配时以搜索图像的质心点作为参考点，而非通常情况下以左上角点作为参考点，减少模板的搜寻空间。算法主要是根据大多数图像关键特征的分布位置，缩小匹配模板以及待搜索图像的匹配范围，从而在不影响匹配精度条件的同时达到提高匹配效率，减少搜寻时间和匹配时间的目的。因此，该算法在保证匹配效果的前提下，提高了匹配速度。2、针对基于特征的图像匹配方法，详细分析了尺度不变特征变换(SIFT)方法，提出了一种新的基于SIFT方法的快速图像匹配算法。首先，针对SIFT特征向量维数过高的问题，采用新的方法生成SIFT特征描述符，利用圆的独特性，将原有的特征描述向量维数从128维降至64维，大大减少了SIFT算法的复杂度。同时，针对匹配公式计算量大的问题，采用新的计算公式代替欧式距离描述两个特征点之间的距离。以上两步的改进旨在缩短SIFT匹配时间。其次，针对SIFT算法匹配精度问题，本文采用最近邻算法的双向匹配策略，并结合随机抽样一致性(RANSAC)算法消除错配，进一步改善SIFT算法的匹配结果，提高匹配精度。