模板匹配算法是图像配准的一种方式。该算法根据给定的参考模板,在场景图像中寻找目标。在医学图像分析、遥感信息处理、工业制造等众多领域均有广泛的应用,已成为工业自动化发展中一项必不可少的技术。本文针对模板匹配算法进行研究,研究场景目标分别出现平移、旋转、尺度或以上三种情况叠加变化时的算法解决方案。本文首先分析了基于归一化积相关的有界偏相关的平移不变性模板匹配算法。通过实验验证了有界偏相关算法的初始化性能参数对算法匹配效率的影响,确定了初始化性能参数的选择策略,验证了该算法的抗光照性。其次,在此基础上提出了两阶段双校核有界偏相关的平移不变性模板匹配算法,该算法引入粗精两阶段搜索策略以及动态采样技术,解决了基本有界偏相关算法匹配效率低下的问题,实现了实时性模板匹配。其次,提出了基于有界偏相关的圆投影技术的旋转不变性模板匹配算法。该算法通过频率域的方式替代查表法进行圆投影特征的提取,提高了特征提取的效率,从而实现了抗任意旋转角度的旋转不变性模板匹配算法。实验测试表明该算法在一定范围内具备抗噪声、抗亮度和对比度变动的能力,匹配效率是矩不变性算法的1.5～3倍。然后提出了基于SIFT特征的旋转尺度不变性模板匹配算法,使用阈值法和RANSAC算法相结合的筛选方法来筛选正确的匹配点对,从而实现更准确的匹配。实验结果表明,该算法匹配的位置误差在1.5个像素以内,匹配的角度误差在2度以内,尺度误差在0.01以内。该算法不仅能够抗旋转变化、抗尺度变化,而且对噪声以及光照也保持一定的抗干扰性。最后,将TDBPCcs算法应用于圆形光学透镜的自动摆盘,匹配的位置误差在1个像素以内,定位误差在0.03mm以内,通过圆形光学透镜自动摆盘的视觉应用来证明本文所提算法的实用性。