随着图像处理技术的不断发展,图像匹配作为图像处理的一部分已经有了很长足的进步,广泛应用于诸多领域。但是如何保证图像匹配结果的精度同时减小算法的时间复杂度已经成为本技术领域中的研究重点和难点。经实践表明,在各种图像匹配算法中,传统的基于灰度的匹配算法在图像灰度和几何畸变不大的情况下抗噪声效果好,有较好的估计精度和鲁棒性,具有较强的适应性。图像匹配根据已知模式到另一幅图中寻找相应的模式完成相应点的最佳变换,其实质是在基元相似性的条件下,运用匹配准则的最佳搜索问题。但是传统的逐点搜索待匹配图像区域将会造成算法效率低下。因此,选择一种有效的搜索策略实现将能够改进模板匹配的精度和算法的时间复杂度。本文的工作是在图像匹配技术中的经典模板匹配算法过程中引入一种改进型搜索策略——并行化的分层遗传算法,它能够更好地控制实验的最佳结果,使图像识别达到较高的准确性。本文设计合理的参数,通过MATALAB进行编程实现,并对结果进行了相关的分析,主要内容包括：(1)介绍图像匹配技术的基本概念,通过描述图像匹配的数学特性,将匹配过程转化成一个搜索过程；深入分析图像匹配技术中的三大关键要素：匹配特征、相似性测度以及搜索策略,引出搜索策略中的遗传算法；(2)通过介绍遗传算法的基本概念和算法的实现过程,重点突出遗传算法的优点,详细讨论遗传算法的三大关键技术,并在此基础上从数学理论角度证明了在保留最佳个体策略情况下遗传算法的收敛性；(3)针对图像模板匹配的原理及逐点匹配算法,在采用遗传算法作为图像匹配过程中的搜索策略的基础上,提出伪并行化的分层遗传算法,设计合理的遗传参数,应用于图像模板匹配中,同时分层遗传算法还具有一定的研究价值和改进。