数字图像作为数字媒体中不可或缺的一部分，在研究和应用领域变得越来越重要。数字图像处理技术的研究与应用结合的更加紧密，而且相互促进。特别是数字图像理解和分析技术，在国防安全、生产、生活、医学应用等诸多领域的需求非常迫切。同时在机器视觉、人工智能、模式识别、多媒体技术等诸多研究领域也处于非常关键的地位。在图像分析和理解技术中，图像目标的表示与识别技术是图像分析和理解的重要部分，如何选取图像特征进而构造出合适的描述决定了图像匹配识别的成功与否。在图像匹配识别中，模板匹配方法依据其简单易行的原理多年来得到了深入研究并取得了丰硕成果，基于灰度和基于特征模板选取与构造在图像匹配识别过程中的效果不同，基于特征模板匹配方法依据其受光照、位移、旋转、尺度等特性的变化而影响很小的特点得到了深入的研究和广泛的应用。重点是能够找到一种利用特征构造出最优匹配模板的方法。本文在研究现有特征提取及图像匹配方法的基础上，从构造图像匹配的模板入手，在图像匹配方法与模板抽取方法两方面进行了研究，以提高在图像匹配应用中的准确度。本文的研究工作主要包括：1、在图像匹配方法的研究中，首先对基于灰度的模板匹配方法进行了描述和匹配实验，在实验过程中发现NCC算法的匹配结果受图像的二值化阈值变化的影响较大，进而对NCC算法进行了加权运算，提出了WNCC算法，实验结果表明WNCC算法的匹配结果对二值化阈值的敏感性较小。同时，对比实验了基于特征的模板匹配方法，在光照、位移、角度旋转和缩放等变化情况下，基于特征的模板匹配方法得到了较好的匹配结果。因此验证了特征在构造模板中的重要性。2、在模板抽取方法的研究中，为了解决图像在匹配识别中具有较好的匹配识别效果，结合模板匹配方法在图像匹配应用中的特点，通过对匹配模板的研究发现，构造最优的匹配模板可以加大匹配识别效果，因此本文提出了基于特征的模板抽取方法。边缘特征作为图像目标的描述具有一定的代表性，首先根据Canny算子对图像进行边缘提取。为解决提取边缘的描述问题，本文对比了链码法和傅立叶描述符法，进而选取具有较好描述边缘特征的傅立叶描述符法。为解决抗位置平移、任意角度旋转和尺度放大等复杂情况，引入椭圆傅立叶描述符与不变矩描述符相结合的方法。并应用于图像的匹配识别中，通过实验表明，本文提出的基于特征的模板抽取方法在匹配过程中具有比传统模板匹配方法较好的匹配效果。3、总结图像匹配方法以及本文提出的模板抽取方法，结合具有丰富功能的MATLAB开发环境，编程实现了集成几种较典型匹配方法的图像匹配对比实验界面，和基于本文提出的模板抽取方法的图像匹配应用实验界面TE-Matching。因此可以更加方便后续的研究与应用实验。最后，对本文的全部工作、创新点分别进行了总结和说明,同时，结合图像匹配识别技术的发展趋势，对今后的研究内容和重点进行了展望。