图像匹配作为图像处理及模式识别领域的一个基础问题，在光学制导、遥感测量、机器视觉、目标识别以及工业检测等领域都有广泛的应用。图像匹配的难点在于图像本身复杂多变、图像中存在运动目标以及各种成像过程中的畸变。寻找适应性强、精度高、计算速度快的匹配算法一直是当前的研究热点。 本文以中国科学院知识创新工程项目“成像制导信息处理及平台控制新技术研究”为课题背景，结合实际成像制导项目要求，在对现有图像匹配方法深入分析的基础上，对边缘点特征、区域特征和代数特征进行了深入研究，给出了相应的特征提取方法和匹配算法。 第一部分给出了图像匹配的数学模型并讨论了其发展现状。从特征空间、相似性测度、搜索策略这三个基本要素出发，阐述了图像匹配的基本过程及其影响因素。 第二部分研究了预处理范畴上的图像去噪算法。提出了一种自适应确定图像傅立叶频域中条带成分的方法，从而有效去除图像中的条带噪声；结合基于奇异值分解的图像重构理论，建立了一个使最优去噪图像为能量函数最小解的能量模型，给出了一种针对高斯噪声的自适应图像去噪算法。 第三部分研究了基于边缘点特征的匹配算法。针对边缘提取并二值化后的点特征图像，定义了一种新的距离函数以用于图像相关匹配。针对使用Hausdorff距离进行点集匹配时需要较大计算量这一缺点，提出了一种基于“搜索窗”的搜索算法来减少在不必要的位置上进行点集的Hausdorff匹配运算，从而提高了运算速度。 第四部分研究了基于区域特征的匹配算法。提出了一种改进的基于势函数聚类的多阈值图像分割算法，以有效地提取图像的区域特征。在此基础上，对不同位置的目标区域，建立了一种不同隶属度的区域模板相关匹配方法并给出了实验结果。 第五部分研究了基于代数特征的匹配算法。奇异值是对图像矩阵进行分解后提取出的一种代数特征，本文研究了奇异值分解与主成分分析之间的关系，证明了在正定对称矩阵条件下两者的等价性关系；提出了一种基于奇异值向量的目标匹配和跟踪算法；针对末制导过程中逼近目标时的尺度放大，定义了一个奇异值缩放不变特征，并据此提出了一种自适应相关匹配算法。