1、模板匹配法：
在机器识别事物的过程中，常常需要把不同传感器或同一传感器在不同时间、不同成像条件下对同一景象获取的两幅或多幅图像在空间上对准，或根据已知模式到另一幅图像中寻找相应的模式，这就叫匹配。

在遥感图像处理中需要把不同波段传感器对同一景物的多光谱图像按照像点对应套准，然后根据像点的性质进行分类。

如果利用在不同时间对同一地面拍摄的两幅照片，经套准后找到其中特征有了变化的像点，就可以用来分析图中那些部分发生了变化；而利用放在一定间距处的两只传感器对同一物体拍摄得到两幅图片，找出对应点后可计算出物体离开摄像机的距离，即深度信息。

一般的图像匹配技术是利用已知的模板利用某种算法对识别图像进行匹配计算获得图像中是否含有该模板的信息和坐标；
2、基本算法：
我们采用以下的算式来衡量模板T（m,n)与所覆盖的子图Sij（i,j)的关系，已知原始图像S(W,H)，如图所示：
利用以下公式衡量它们的相似性：
上述公式中第一项为子图的能量，第三项为模板的能量，都和模板匹配无关。

第二项是模板和子图的互为相关，随（i,j）而改变。

当模板和子图匹配时，该项由最大值。

在将其归一化后，得到模板匹配的相关系数：
当模板和子图完全一样时，相关系数R(i,j) = 1。

在被搜索图S中完成全部搜索后，找出R的最大值Rmax(im,jm)，其对应的子图Simjm即位匹配目标。

显然，用这种公式做图像匹配计算量大、速度慢。

我们可以使用另外一种算法来衡量T和Sij的误差，其公式为：
计算两个图像的向量误差，可以增加计算速度，根据不同的匹配方向选取一个误差阀值E0，当E(i,j)>E0时就停止该点的计算，继续下一点的计算。

最终的实验证明，被搜索的图像越大，匹配的速度越慢；模板越小，匹配的速度越快；阀值的大小对匹配速度影响大；
3、改进的模板匹配算法
将一次的模板匹配过程更改为两次匹配；
第一次匹配为粗略匹配。

取模板的隔行隔列数据，即1/4的模板数据，在被搜索土上进行隔行隔列匹配，即在原图的1/4范围内匹配。

由于数据量大幅减少，匹配速度显著提高。

同时需要设计一个合理的误差阀值E0：
E0 = e0 * (m + 1) / 2 * (n + 1) / 2
式中：e0为各点平均的最大误差，一般取40~50即可；
m,n为模板的长宽；
第二次匹配是精确匹配。

在第一次误差最小点（imin, jmin)的邻域内，即在对角点为（imin -1, jmin -1), (Imin + 1, jmin + 1)的矩形内，进行搜索匹配，得到最后结果。