图像匹配是对两幅图像找其对应的映射关系或根据已知模式到另一副图中寻找相应的模式。图像匹配是一种极其重要的图像处理和分析技术,无论在图像理解还是在视觉计算中都具有重要作用和地位,其成功的应用到航空航天、地球物理信息、海洋船载导航和地理特征探测、工业生产、医疗卫生等,因此图像匹配技术越来越受到人们的重视和青睐。图像匹配的实用的技术方法一般分为两大类,即基于灰度匹配和基于特征匹配。基于灰度匹配是把待配图像中的某一像素点的灰度邻域作为匹配模板或者称为子窗口,在参考图中搜索具有相同或者相似灰度值分布的对应的邻域,从而实现两副图的匹配。基于特征的图像匹配不是利用图像中的像素值进行匹配,而是通过灰度导出符号特征(如：拐点、角点、边缘线段、图像轮廓)实现图像的匹配。前者作为一种基本的匹配方法之一,在很多地方得到了充分的应用,可以充分利用图像的所有信息、尤其适合在图像仅有平移和模板图像中非零项比较少的情况下,便于匹配的实现。但是弱点也是很明显的,即对图像的几何变形、光照强度、对比度都很敏感,并且计算量大,不适合实时匹配。后者利用从图像得到的符合特征作为匹配的基元,有效的克服了前者的弱点,但是特征匹配过于依赖图像的特征点,并且特征点的提取涉及到几何和图形形态学的计算,没有统一的模型可以利用,需要对不同图像选择不同的自适应特征,需要额外的特征提取的计算,往往计算也比较复杂。多尺度理论与多种分辨率下的图像表示和分析有关,即一张数字图像可以表示成多张分辨率子图的集合。其特点就是在某种分辨率下无法发现的特性在另一种分辨率下很容易发现。当对数字图像进行多分辨率观察和处理时,离散小波(DWT)是一个很好的数学工具,它不但具有有效、高度直观的描述框架以及多分辨率图像存储,而且还有利于深入了解图像的空间特性和频域特性。本论文在系统分析图像匹配的基本理论框架下,研究了灰度匹配的有关算法：最大相关算法、绝对差值(Absolute Difference,简称AD)、差方和法(Sum of Squared Differences,简称SSD)、序贯相似检测算法(Sequence Similarity Detection Algorithm, SSDA)及归—化交叉相关算法(Normalized Cross Correlation.简称NCC)等,这些方法都基于灰度匹配的经典算法。共同点都是计算量大,其主要原因是图像匹配中搜索时间太长,所以不是适合实时匹配。但是将小波多度尺度理论和图像匹配有机的结合起来,可以克服基于灰度匹配和基于特征匹配的不足,同时优化了基于灰度匹配的搜索策略。本文根据多尺度理论和小波变换的特点,同时结合了SSDA和NCC的改进算法,提出了由粗匹配到精匹配的多层次搜索策略。由于图像经过多尺度小波分解后,在分辨率最低层的低频子图,仅保留了图像的大部分信息,而细节信息被过滤,这样就造成图像的平滑区域增多,所以利用普通灰度匹配算法可能会产生很多的准匹配点。本文利用SSDA的优点,在图像分辨率最低的层次先充分利用SSDA算法进行匹配,剔除大量非匹配点,保留一些相应的准匹配点,然后在图像高分辨率的图层利用NCC进行逐层局部精确匹配,直到匹配结束。这样大大的减少了匹配的时间,提高了匹配的精确度,有很好的鲁棒性。通过实验证明此方法是行之有效的。