图像匹配(Image Matching)是数字图像处理领域中的一项非常基本的工作.它一般用于匹配(Match)不同时间、不同传感器或者从不同视角采集的两幅或多幅图像,它是图像理解和机器视觉的基础.图像匹配技术广泛应用在工业检测、遥感测量、生物医学、交通管理和图像数据库检索等领域中.图像匹配算法的研究涉及到许多相关的知识领域,如图像采样、变换、预处理、分割、特征提取等,并且将计算机视觉、多维信号处理和数值计算方法等紧密结合.该文研究了两类图像匹配算法:直接基于图像灰度信息的算法和基于图像特征的匹配算法.直接基于图像灰度信息的匹配算法可以实现精确的图像匹配,这是其突出优点.但对图像质量要求严格,在有灯光原因产生干扰时,难以做到精确匹配.直接基于图像灰度信息的匹配算法运算量较大,在对时间要求严格的环境中,实现困难.另外在搜索目标相对于模板图像有尺度和角度的变化时,匹配运算的运算量急剧增加.这些弱点限制了直接基于灰度信息的图像匹配算法在实际生产中的应用.基于图像特征的匹配算法对光照和遮挡影响不敏感,可以在一定程度上克服非线性的不均匀光照的干扰.但是匹配算法相对比较复杂,程序实现困难,所以目前基于特征的图像匹配算法的研究虽然很多但可以实际应用的匹配软件还不成熟.该文在研究两类匹配算法的同时,结合图像几何矩的特点提出了图像边缘矩的概念.文章重点推导了图像边缘矩对平移、尺度和角度三个自由度的不变量,并应用这些不变量设计出可以匹配平移、缩放和旋转目标的图像匹配算法.为了实现更高精度的图像匹配,引入了基于边缘矩和互相关的粗细二级匹配算法.最后讨论了算法的计算量,论证该算法是快速高效的图像匹配算法,并编写出高效的图像匹配代码,最终实现了毫秒级的图像匹配程序.