1。1 背景

当今社会多媒体技术发展速度非常快，信息数目也在迅速的增加，而且形式也呈现各式各样。越来越多的人开始对图像信息的需要呈现了永无止境的增加的趋势，日常生活中每个人要在丰富多样的图像信息中要迅速且高效地找到个人想要的图像信息，但在现实中获取的图像信息一般不能满足用户的精准需求,就要采用一种快速有用的方法来检索这些内容很多的图像信息的方式，所以人们开始对图像检索过程中的关键技术产生了深厚的兴趣。人们处于对图像检索中的一些关键技术不断研究当中，不断对其进行适当的处理，以此来达到人们对图像检索的理想效果。   

在1970年左右，人们主要研究的是基于文本的图像检索技术，至1990以后，人们开始关注了基于内容的图像检索技术。基于文本的图像检索技术主要是采用文本描述的方式描绘图像的特点，而基于内容的图像检索技术主要是用图像的颜色、纹理、形状、灰度等来描述图像的特点。Google、百度、Bing都是传统的搜索引擎公司，比如Google Similar Images，百度识图都他们开发出来的基于内容的图像搜索产品。

当今社会基于内容的图像检索已经成为人们十分关注的一个问题。因为它有很多的优点是第一，在不采用与图像相关的文本注释的情况下，它完全可以从图像内容中取得信息线索；第二，它是采用的一种类似的方法进行匹配的，搜索出来的结果就会变得有太多，因此我们需要采取其他更加好的办法来减小搜索范围，决定出最后的搜索结果；第三，计算机可以自动实现特征提取和索引建立，大大提高检索的效率；第四，它有较好的交互性，整个检索过程比较透明，也就是使用者完全可以参加到检索过程，来搜索到使用者满意搜索的图片。其五，它可以实现人们对搜索图片的诸多方面需求；第六，检索效率较高。它只要关心基于内容，迅速查找到相关信息，根本不需要去弄清楚图像中的具体对象，所以能采用最快的速率从巨大的数据库中找到有关的图片。 

但是当前的图像检索还存在着很多方面的不足，导致对有些图像的检索效果不尽如人意。影响图像检索效果的两个重要因素是特征提取与匹配。本论文就是对图像匹配进行的研究。

1。2 意义

采用一定的办法在不同图像之间寻找到共同点就是图像匹配，可以是两幅图或者是多幅图，本论文是在两幅图像之间进行图像匹配。图像匹配是摄影测量与计算机视觉的一个基本问题，也是数字摄影测量自动化的关键。图像匹配的关键是将不同的分辨率，不同的亮度属性、不同的位置（平移和旋转）、不同的比例尺、不同的非线性变形的图像对应起来。可以应用于目标物体运动跟踪，目标识别、三维重建、全景图、目标定位等诸多领域。人们研究图像匹配的目的是想达到精准度高、匹配正确率高、速度快、鲁棒性和抗干扰性强以及易于实现等优点。

2 基于灰度的图像匹配算法

图像的分类有很多种方法，其中比较常见的分类形式就是模拟图像和数字图像的分类。 模拟图像是指直接可以从观测系统或输入系统中获得、未经采样和量化的图像，模拟图像在空间分布、亮度和色彩取值方面均是连续分布。数字图像是指图像的数字表示或经过采样和量化的图像，像素都是离散单元，数字图像在空间分布、亮度和色彩方面均是离散分布。本论文匹配图像运用的是数字图像。论文网

    图像匹配算法可以分为基于灰度、基于特征与基于变化域的匹配算法。基于灰度的匹配方法在这三中方法中的匹配率是比较高；而基于特征的匹配算法的匹配速率比较慢，并且匹配率没有基于灰度的匹配方法高；有很多的原因都会导致模版与原图之间拥有着一定的误差性。比如有引用的误差大小、图像预处理时采用的方式、还有一些系数的选取等。匹配算法的好坏在很大程度上影响着图像匹配的效果。接下来介绍的是几种基于灰度的图像匹配方法。本论文重点研究的是基于灰度的模版匹配算法与快速匹配方法，这两种的匹配方法不同的地方在于进行相似性比较时用的评判准则是有差别的，但是他们都需要依靠坐标系。