图像匹配技术是指采用一定的匹配算法在两幅或者多幅图像之间检测并识别相同点的过程，它是计算机视觉中的一项重要研究内容，主要应用于智能监控、遥感图像匹配、航天器的定位导航、生物医疗诊断等领域。目前在图像匹配领域已经提出了许多基于单一特征的图像匹配算法，它们可在某些特定的环境下完成图像匹配的任务。基于此本文在系统地分析和研究现有算法的原理及过程基础上，采用将不同图像特征相结合的方法来完成图像匹配的任务。　　本文采用一种将表征图像全局特征的颜色信息与反映图像局部特征的SURF特征点信息相结合的算法来进行图像匹配，进而完成目标图像的定位操作。该算法的设计思路是:首先采用图像颜色特征匹配法完成目标图像的粗定位，然后在此基础上缩小特征点检测与搜索范围，采用优化的SURF特征点匹配法，完成目标的精确定位。　　本文主要研究工作包括以下几个方面:(1)对图像全局特征中颜色特征的特点及其提取与匹配原理进行了详细的理论研究。在分析和总结了常见的颜色特征匹配法的性能与不足之后，采用颜色直方图匹配法，提取目标图像的直方图特征并建立直方图匹配向量，通过相关函数匹配法获得图像最佳匹配点，进而完成目标图像的初定位。(2)分析研究了局部特征点匹配算法中几种经典算法的性能与优缺点，重点讨论了SURF算法的原理及其算法实现流程，包括该算法的尺度空间形成原理、SURF特征点检测和描述子生成过程等，对算法性能进行了仿真分析，验证了SURF算法的准确性和可靠性。因此选用SURF算法在初定位所标定的图像区域内进行特征点的检测与提取，并通过相似度匹配准则来完成目标图像的精确定位。(3)提出了一种将基于全局特征的目标初定位与局部特征点精确定位相结合的改进算法。为验证改进算法的有效性，选用vs2008仿真平台对其进行了仿真分析。结果表明:该算法能有效的完成图像匹配任务，减少特征点的误匹配率，与单一的SURF特征点匹配算法相比减少了特征点的提取数量和匹配时间，特征点匹配效率提高30％～40％，并保证了特征匹配的准确性。　　论文在改进算法于静态图像研究的基础上，进行了将改进算法应用于视频图像运动目标识别的研究，通过一定的跟踪目标切换机制可实现多目标间的跟踪切换，进而完成动态目标的识别与定位操作。仿真结果表明该算法通过初定位缩小了精确定位的检测区域，匹配效率明显提高，可满足视频目标识别的实时性要求。