异源图像匹配技术是计算机视觉领域里一个极富挑战性的研究方向。本文致力于异源图像的匹配算法研究,并主要以红外图像和可见光图像的匹配作为主要实验对象,重点研究了基于轮廓特征的匹配和基于梯度方向分布场的匹配两类方法。论文的主要工作成果如下:(1)在传统CV模型的基础上进行改进,针对异源图像的特性将梯度信息和自适应权重引入能量函数,改善了轮廓提取的效果,使其更适用于异源图像之间的匹配,并采用ESD距离和Hausdorff距离对提取到的二值轮廓图像进行相似性度量,实验结果表明改进的基于轮廓特征的异源图像匹配方法比原算法匹配效果具有更好的鲁棒性和准确性。(2)本文首次将分布场理论应用于异源图像匹配领域,提出了基于梯度方向分布场的异源图像匹配算法。首先,考虑到异源图像灰度差异较大,因此选取梯度方向信息代替灰度强度构建分布场图;其次,定义了分布场主方向的概念,并基于此解决了异源图像匹配的旋转问题;接着,引入Chi-square距离作为相似性度量,使匹配的鲁棒性得以提高;最后,为了满足算法的实时性,采用了爬山法搜索策略,极大的提高了算法的效率。实验结果表明,基于梯度方向分布场的异源图像匹配算法能够很好的解决存在旋转和平移的异源图像匹配问题,具有鲁棒性强、效率高和适应性好的优势。