图像匹配是计算机视觉，图像处理以及模式识别领域中非常重要的内容，是图像配准的技术过程，也称图像相关。图像匹配的关键问题是找一个有效地匹配方法，这种方法需要高的精度和少的运算时间，即要求高的实时性，高的运算速度和高的可靠性，基于这个目的，本文在仔细研究了大量的匹配算法的基础上，提出了一种新的图像匹配的算法。本文提出的匹配算法的理论依据是灰色系统理论中的灰色关联分析方法，根据车牌图像的识别特点，利用灰色关联的分析方法将从其中提取出来的特征值进行关联分析，从而达到识别车牌的目的。　　 从灰色系统理论提出以来，就受到了众多专家学者的重视，随着研究的深入，发现其与传统的系统分析方法相比，灰色系统理论的研究对象是部分信息已知部分信息未知的小样本贫信息不确定性系统，通过对部分的已知信息进行各种分析来提取出有价值的信息，然后对现实的系统运行规律进行正确的描述和有效的控制。灰色系统理论可以从少量的数据中寻求其变化规律，以灰朦胧集为基础，以信息覆盖为依据，以灰生成为手段，以少数据为特点，以最少信息为信息准则，以多视角为思维方式，并且允许数据的非典型分布。灰色系统理论的这些特点很值得用于图像匹配中去，这样就可以用最少的特征值来进行图像的匹配，而不是像传统的匹配算法那样需要提取大量的特征值。　　 本文的研究的内容包括：传统的图像匹配算法，灰色系统理论以及基于灰色关联分析方法的车牌识别。首先从三个角度归纳总结了传统的图像匹配算法的实现原理，算法的适用范围以及优缺点等等，然后将灰色系统理论的内容，特点以及基本特征等阐述清楚，重点介绍了灰色关联分析方法和GM(1，1)模型的建立过程，通过研究发现，灰色系统理论的分析方法最大的特点就是“贫信息”，最后在此基础上利用灰色关联的分析方法进行车牌图像的识别应用，将从车牌图像中提取出来的特征用灰色关联的方法进行分析，通过实验结果表明灰色系统理论的方法的确可以用最少的图像特征量来达到识别的目的。