视觉是人类获取信息的主要途径之一，而图像正是我们通过视觉获得信息的主要手段。在现阶段的工程项目和科学研究中，经常需要宽视角且高分辨率的图像。普通获取图像的设备无法直接得到这种图像，而能够获取广角图像的鱼眼镜头等设备价格昂贵且使用复杂，得到的图像也存在失真和分辨率不规则等问题。为解决这些难题而提出了图像拼接技术，它可以将一组相互有重叠部分的图像通过配准融合等技术拼接成一幅宽视野和高分辨率的大图像。图像拼接技术也已广泛的应用于虚拟现实、医学图像处理、遥感技术、公安取证及航天航空等研究领域。本文对图像拼接的基础理论做了研究和讨论。图像预处理是在配准前对图像进行去噪或增强处理，还可以粗略进行图像定位，来提高配准精度及效率。图像配准的最终目的是寻找图像之间的变换关系求出变换矩阵，是图像拼接中最核心的步骤，它直接影响到图像拼接的成败。主要有三种方法：基于灰度信息方法，基于变换域方法，基于特征方法。基于特征的图像配准有较强的适应性，是目前的研究热点。常用的几何特征包括：点，边缘，轮廓，以及统计特征等。常用特征提取算法有：Moravec角点检测算法，SUSAN角点检测算法以及Harris角点检测算法。融合技术可以消除拼接后大图像的失真和明显的接缝。基于以上研究提出了一种SIFT和Krawtchouk矩不变量相结合的图像配准方法。SIFT是基于尺度空间的配准方法，对图像旋转缩放等变换能保持很好的不变性。但该算法的描述向量维数较高，增加了匹配阶段的计算量，严重影响了匹配的速度，而且要占用大量的存储空间，针对这一问题提出了一种SIFT和Krawtchouk矩不变量相结合的图像配准算法。该算法采用Krawtchouk矩不变量作为描述符的方法降低了描述向量维数，减少了匹配过程的计算量，最后通过RANSAC(随机采样一致性)算法剔除误匹配点，进一步提高了配准精度。实验证明这种新的算法明显地提高的算法的速度，并保证了原有算法的精度。