近年来,随着数码摄像及存储设备的发展普及,数字图片呈现爆发式增长,对角数字图像的计算机匹配及拼接需求也越来越大。计算机图像匹配是计算机视觉的基本问题,也是很重要的图像分析和处理技术;除了在遥感领域,图像匹配还广泛应用于工业、农业、军事、交通、医学等诸多行业。本文主要对图像匹配及相关技术进行了研究探索,在深入分析常用匹配算法的基础上,完成了基于多视角图像的特征点提取、匹配及图像拼接。图像匹配主要有基于灰度的匹配方法、基于图像特征的匹配方法等,论文首先在研究上述两种方法的基础上,对两种方法在图像不同条件下的匹配性能进行实验比对,得出基于图像特征的匹配方法具有耗时少、精度高、适应性好等特点,在图像匹配性能方面优于基于图像灰度的匹配方法。基于以上结论,论文对基于特征匹配的方法中一些常用的特征点提取算子进行了研究,以平移、旋转、缩放、仿射等变换对图像进行多视角模拟,并加入噪音干扰,研究不同的特征点提取算法在图像不同条件下的匹配性能;通过数据分析,得出SIFT算子具有较好的鲁棒性和独特性,对外界环境改变具有较好的适应能力,相对于其他算子具有一定优越性,因此确定以SIFT算法进行本文的图像匹配处理。文章深入研究了SIFT特征点提取的原理及过程,以基于K-D树结构的近邻算法对呈线性变换的两幅图像在不同视角和噪声干扰情况下进行了特征点的粗匹配,并通过随机抽样一致性算法(Random Sample Consensus)进行特征点的提纯,删除例如错误的匹配特征点对。针对粗匹配后误匹配点对较多导致的RANSAC算法效率降低、运算时间变长的情况,论文以视差梯度约束对粗匹配点对进行预筛选,提升了RANSAC算法的效率。根据匹配点对空间位置关系得出图像之间的变换模型;最后将图像引入变换模型实现了图像的变换和拼接。