全景图像拼接技术解决了将同一场景的多幅具有一定重叠区域的小分辨率图像,通过图像拼接得到高分辨率全景图像的问题。其过程主要包括特征点检测和图像配准两个部分。特征点检测用于提取图像中关键点,是图像配准的前提。图像配准解决了通过寻找图像间的变换矩阵,将其中一幅图像映射到另一幅图像坐标系下的问题。本文将重点在图像的特征点检测和图像配准上展开研究。在图像特征点检测阶段,通过实验发现传统的SURF特征点检测算子检测到大量冗余的图像特征点,多余特征点造成大量的时间消耗在描述子生成以及匹配过程中,针对该情况本文提出了一种基于神经网络的SURF阈值估算的方法,在保证拼接效果的前提下降低检测到的图像特征点数量。在图像配准阶段通过KNN最近邻算法进行粗匹配,然后用RANSAC算法对特征点对进行提纯来求解单应性矩阵,最后采用加权平均法融合生成拼接图像。研究内容归纳如下:1.采用基于KNN和RANSAC结合的图像误匹配去除算法。算法选用SURF特征作为待拼接图像的配准依据,最后采用加权平均法融合输出全景图像。2.针对图像拼接时间的问题,提出了两种加速时间方案,一种为通过改进NCC算法锁定重叠区域减少搜索图像范围的方法;一种为基于神经网络的SURF阈值估算方法降低特征点数量。3.基于MFC搭建了旋转式图像拼接软件,验证了改进的算法对拼接时间以及成像效果的优化,效果显著。