自动创建大视角、高清晰的图像是遥感测量学、计算机图形图像处理和视频自动化监控等领域的研究热点。与此相关的图像拼接涉及到图像特征点检测和匹配、图像间变换模型参数估计和变换后图像拼接效果优化等几个关键环节。论文在介绍该领域研究现状、研究意义和应用领域基础上，对基于特征点和球面模型的图像拼接进行了详细研究和实验验证。尤其是对图像拼接中常用的SIFT和SURF特征点检测算法进行了对比分析；此外还研究了基于K维树的特征匹配和随机采样统计的模型估计方法，通过实验分析了两类参数模型估计算法；同时论文综合上述研究内容，设计并实现了一种基于特征点匹配的球面拼接方法。该方法的基本思路是借助特征点检测和匹配技术估算出图像序列间变换参数，并根据变换参数将图像序列映射到球面模型。实验表明球面模型可以比柱面展开拼接具有更大灵活性和能够获取更大的视角。最后，论文研究了图像拼接后期优化的方法。主要包括增益补偿和多通道融合技术。基于这一研究，设计并实现了与本文球面拼接相适应的简化增益补偿算法和多图像重叠区域多分辨率融合算法。实验结果表明该方法能较好的处理多图像亮度不均匀情况下球面拼接的“无缝”要求。