该文通过对传统的各种相关算法的分析,提出了基于选择性关注和时空相关的数字图像匹配方法.文章提出了按照人类认识事物的一般方式,即由粗到细、由大至小的方法进行图像匹配的系统流程.这样就把图像的匹配分解成粗匹配和精匹配两个部分.在实现图像粗匹配的过程中,文章提出了利用流域(Watershed)的方法对待匹配的图像进行区域分割,实现图像的选择性关注.这样既可以有效的提取图像的边缘,减少相关匹配的信息量,又可以避免由于信息的过分丢失而造成的误匹配.然后再对分割后的进行相关性计算,得到若干相关峰的极值点,把这些点及其邻域作为粗匹配的定位点.在实现粗匹配的过程中,文章针对已有的灰度积相关算法的缺点,提出了融合时序图像的相关信息,引入累积矩阵,得到了新的相关度量函数.整个图像匹配系统正是通过粗匹配得到的粗定位点及其邻域作为粗匹配的累积点,通过叠加时序图像的相关峰值得到最后的相关峰平面,然后对新的相关峰平面进行搜索排序,从而得到最终的匹配定位点.通过实验论证,这种方法在不增加算法时间复杂度的情况下,有效的提高了匹配的准确性,可以实现精确匹配.整个文章的创新之处是:1.提出了采用基于人类认识规律,即由粗及精的方法认识事物的图像匹配框架.2.提出了借助数学形态学中流域的方法用于图像的选择性关注.3.提出了利用时序图像的关联信息实现图像的连续匹配.最后,该文还对数字图像匹配的研究进行了展望.