本论文可分为两个部分,第一部分讨论如何基于数学形态学对二值图像进行边缘检测。相比于其它空域或频域图像处理和分析方法,数学形态学具有一些明显优势。边缘检测时,本文采用滤波器对灰度图像进行过滤,以去除图像中的噪声点,这样更有利于提取图像边缘。构造基于数学形态学的形状滤波器时,可借助于先验的几何特征信息,利用形态学算子既可以有效地滤除噪声,又可以保留图像中的原有信息。基于数学形态学的边缘信息提取处理显然是优于基于微分运算的边缘提取算法的,它不像微分算法对噪声那样敏感,提取的边缘比较平滑,提取的图像骨架也比较连续、断点少。本文借助于上述优点快速有效地提取图像的边缘,并对图像边缘进行轮廓直线化,通过提取轮廓上的“关键点”作为特征点,随机选择若干特征点对得到候选变换,随后的投票阶段对其变换参数进行检验和求精。　　第二部分是对两幅不同尺度图像进行匹配的研究。与传统图像匹配算法不同的是,本文从一个新的视角出发,着手研究两个不同尺度图像的匹配问题:一个是高分辨率图像,另一个是低分辨率图像。根据摄像机成像原理可知,高分辨率图像实际上是对应于低分辨率图像中的一个较小区域,因此匹配任务就是在低分辨率图像中找到一个区域,使得这个区域在相似变换后与高分辨率图像能够完全对应。本文进行了大量的实验,结果证明当采用最佳标尺6时,利用区域相关系数算法可以很好地解决图像匹配问题,并且对于两个尺度不同的特征点,也能够成功地进行有效的匹配。