图像匹配在移动机器人导航和环境重建等领域有重要的应用。本文以机器人视觉系统的应用为研究背景,对图像匹配涉及的噪声处理,特征提取,图像相似性关系的优化计算及特征和区域匹配四个问题进行了研究。本文针对这四个问题做出了以下工作:(1)针对图像中存在的影响匹配精度的冲激噪声,本文提出一种基于噪声检测的自适应中值滤波算法。将一维信号的自适应冲激噪声滤波算法扩展到二维空间,并改进以应用到图像噪声滤波。该算法通过计算冲激噪声的位置和幅值来确定中值滤波的模板大小。并通过仿真说明该算法能够比较好的滤除冲激噪声和减小中值滤波对图像引入的平滑效应;(2)针对特征提取问题,采用与LoG特征联合操作的方法,改进Barnard特征提取算法。该算法结合了Barnard特征对光照度和对比度不敏感的优点和LoG算子对噪声处理比较好的优点。然后将该Barnard-LoG特征应用到一种特征匹配算法,并通过实验说明所改进的Barnard-LoG特征算法在图像匹配中具有比较好的适用性;(3)针对区域匹配中应用图像互相关算法和SSD算法计算复杂度较高的问题,分别为图像互相关算法和SSD(Sum of square difference)算法引入增量方法的思想来降低计算复杂度。在图像互相关算法中,针对其平均值和标准差的计算特点采用增量关系分别加以改进,达到对互相关计算的优化。在SSD算法中,考虑计算相邻像素点的SSD值的增量关系并结合前人对SAD(Sum of square difference)算法的改进,实现对SSD的优化。通过与原算法的对比实验说明改进算法在降低计算量上具有非常好的效果;(4)针对区域匹配计算中搜索空间大和搜索点多导致的错误率高和计算复杂度高的问题,本文提出一种基于分步思想的区域匹配算法。这个算法首先采用特征匹配进行预匹配计算出可能的视差范围,在这个视差范围内进行区域匹配得到精确的匹配结果。并采用基于增量关系的图像互相关改进算法和存储可复用的图像互相关值的方法来提高处理速度。实验结果表明该算法正确率高,速度较快,