图像匹配是图像信息处理领域中一项非常重要的技术。本文针对各种图像匹配方法进行了深入细致的研究。主要研究了两类图像匹配方法:使用像素灰度相关的信息进行匹配和使用某些图像的整体或局部特征进行匹配。文中详细描述了各种图像匹配算法,对其中一些经典的和成熟的算法进行了实验,通过分析其特点,从而提出了图像匹配算法的改进思路和方向。对于标准的模板匹配方法,针对其存在的各种问题,开创性的引入直方图作为其匹配的“基元”,提出了一种基于直方图的模板匹配算法,并给出了该算法的详细性能分析,优缺点,以及适用情形。针对SIFT算法在极值点搜索和特征描述符的计算方面的低效,提出一种基于分维搜索和环状描述符的SIFT匹配算法(SC-SIFT)。该算法将SIFT算法中的三维极值点搜索策略分解为两个维度上的逐维搜索,同时引入了一种新的环状特征描述算子来代替原来高维低效的特征。实验证明,该方法不仅能够提高SIFT算法的执行效率,而且提高匹配正确率,实现了对SIFT算法的优化。针对视频检索中的一个典型应用:学生注意力分析系统,本文提出了一种经典adaboost算法与直方图模板匹配方法相结合的匹配算法对人脸进行专门的检测和匹配,通过实验,验证了在一定假设环境条件下,其在速度和准确率方面的优越性,从而增强了相关系统的实用性和可靠性。