图像拼接是图像界的热点问题之一，在计算机视觉、模式识别、生物医学等各个领域都有广泛应用。本文对图像拼接和其相关技术进行了研究，主要包括特征的检测和提取、基于点特征的匹配、图像的融合等。根据匹配和图像拼接的需求，特征检测方法需要特征定位的精度较高，能很好的检测出所需特征，并具有对于灰度变化、图像形变以及遮挡等都有较好的鲁棒性。本文研究了著名的Harris算子和Susan算子，并设计了自己的改进算法，提高了提取特征点的精度。另外本文研究并应用了SIFT算子，通过对算法的优化，SIFT算子的速度很快，可以在各种实时处理应用中实现。SIFT算子的理论基础是通过高斯金字塔分层的形式来实现，在各个层次上进行特征点的特征描述符的提取有助于算法的稳定。对特征点方向的确定也是通过局部信息的统计进行主方向和辅方向的综合评估，进一步提高了准确性。图像配准的研究是计算机视觉中最困难也是最重要的任务之一。本文深入学习和研究了立体匹配的相关理论知识，包括摄像机运动模型、透视变换矩阵参数的鲁棒估计和求解方法、插值技术、图像变形技术、流形的概念等，针对同一场景在不同角度下拍摄的重叠图像配准及拼接问题进行了研究，结合多种匹配技术，实现了特征点的自动提取和匹配，并在此基础上实现图像的融合拼接。