在计算机视觉中,图像匹配是一大重要分支,广泛应用在目标识别、目标跟踪、卫星遥感、图像释义等领域。本文深入研究了国内外现有经典图像匹配算法,并应用在智能交通系统(ITS)中的车辆跟踪领域,将含有阴影、光线、伪目标等干扰因素的复杂背景因素纳入考虑,兼顾跟踪的实时性和准确性,提出了一套适应实际道路环境的车辆跟踪系统,主要工作是:(1)在图像预处理阶段,根据格式塔心理学,连续被包围物体更趋向于是前景目标的原理,使用一种简单高效的显著性区域检测方法——BMS模型,利用Lab空间设备无关性的优势,先将原始图像转换到Lab空间,在三个通道中分别不断地采样划分阈值得到二值图,对二值图用漫水填充(FloodFill)算法获得注意图,对注意图线性组合得到平均注意图,初步分离目标和背景,减少了后续处理的计算量。(2)针对道路机动车辆的特性,在两帧图像相减得到的差分图像中提取水平差分边缘特征集合,构成车辆描述子,并定义了相邻帧中判定为同一车辆的方法,实现车辆跟踪,避免全局搜索特征点的巨大计算量,检测出车辆同时能排除行人、非机动车辆等伪目标,以及阴影、车灯光线等大部分背景干扰因素。(3)建立历史关联模板,只对未匹配成功的水平差分边缘特征集合继续抽取SIFT特征,与历史模板匹配,针对车辆左右对称的空间特性容易出现的误匹配,提出一种基于邻近特征点夹角一致性约束的匹配提纯方法,对成功匹配的特征点根据进一步筛选提纯,避免车辆由于遮挡等因素跟踪丢失后重现时被误判为新目标的情况,增强了跟踪的连续性。