图像匹配技术是近代信息处理，特别是图像信息处理领域中极为重要的技术。图像匹配就是要根据参考图像和实时图像来选定某些特征、相似性准则及搜索策略进行相关运算，以确定匹配的最佳空间对应点。它主要研究的问题有特征空间、相似性度量和搜索策略三个方面。图像匹配关键是要确定有效的匹配方法，要求匹配概率高、误差小、速度快且适时性好。 图像匹配的方法一般分为基于灰度的匹配方法和基于特征的匹配方法两大类。本文主要针对基于灰度的匹配方法，研究了基于小波变换的图像匹配等几种可提高匹配可靠性和定位精度的快速图像匹配算法。主要完成了以下的工作： 首先介绍了图像匹配技术的应用和研究现状，分析了传统图像匹配算法的优点与不足。基于灰度的相关匹配算法，计算量大，结果较基于特征的匹配方法更为准确。基于特征的匹配算法，对景象类型的适应能力不如基于灰度的算法。对于旋转图像匹配，当旋转角度大时就会出现误匹配，传统的相关匹配方法都很难满足其实时性的要求。 接着探讨了采用灰度作为特征空间、以去均值的归一化互相关系数作为相似性准则、利用小波金字塔作为搜索策略的快速可靠的图像匹配方法。为了提高图像匹配速度，采用小波变换将图像进行分解，首先在粗分辨率上进行匹配，然后在细分辨率上匹配。这种多分辨率金字塔结构匹配，极大地加快了图像匹配速度。采用离散Hartley变换(DHT)计算互相关，与离散傅立叶变换(DFT)相比，Hartley变换是实数运算，减小了运算量和存储量。 然后探讨了用极坐标表示和K-L变换来减少匹配运算量、以改进遗传算法作为搜索策略来提高匹配速度和定位精度的快速有效的旋转图像匹配方法。为提高旋转图像匹配速度和精度，将旋转图像用极坐标来表示，用极坐标移动来相关图像旋转特性，通过K-L变换用有限的本征向量的线性组合来表示旋转图像，大大提高了旋转图像匹配的速度和实时性要求。采用改进遗传算法作为全局性的搜索策略，把图像匹配问题抽象为一个数值函数的优化问题，极大地提高了搜索效率和匹配精度。 为了验证本文算法的有效性，作者进行了大量仿真实验，结果表明：这两种方法匹配效果良好，相比于传统的图像匹配算法，它们的计算速度快、匹配概率高、