在数字图像处理领域中,图像拼接技术一直是研究的热点。它是将可能由于不同时间、不同视角、不同的传感器获得多幅带有重叠部分的图像拼接成为一幅更大视场的高分辨图像的技术。它包括图像配准和图像融合,其中核心部分为图像配准。经过20多年的发展,图像配准方法基本可以分为:基于图像灰度方法和基于特征匹配方法。其中,因为基于特征方法具有速度快,配准精度高,算法稳定等优点,所以它经常在实际应用中使用。本文主要以基于特征点方法为主线,对比较常用的Harris角点和Scale Invariant Feature Transform (SIFT)特征点匹配及其改进算法做了深入系统的研究。主要研究工作如下:1.介绍了常用的线性摄像机的成像原理和运动方式以及对应的图像变换模型。讨论了如何对摄像机的内外参数定标。2.对传统的特征点提取算法做了介绍,并且详细分析了Harris角点检测算法,以及特征点的匹配方法。针对Harris角点检测算法对缩放敏感的缺点,结合对数极坐标变化(log-polar),对Harris角点检测算法进行改进。3.介绍了对缩放、旋转、位移以及光照等保持不变性的SIFT特征点匹配算法。以及结合随机抽样一致性算法(RANSAC)求解图像变换模型参数。4.介绍了圆目标和小目标的检测算法。在序列图像中针对固定频率变化的目标,应用图像拼接技术,提出了相应的改进算法。