随着计算机和图像处理技术的发展，数字图像拼接技术在现实生活中发挥着越来越大的作用，其应用前景也越来越广泛。本文详细阐述了图像拼接技术的关键技术要点，并从特征点匹配和光流方程运动估计两种方法入手，提出了基于特征点密集区域匹配技术的拼接方法，并将特征匹配和基于光流方程的分层迭代方法结合起来，以解决相机运动角度较大、重合度较低图像的拼接。试验表明，本文提出的方法综合了特征匹配和光流估计两种方法的优点，既提高了图像配准的精度，又降低了计算复杂性，并具有较好的鲁棒性。 图像拼接就是将针对同一场景的相互有部分重叠的一系列图片拼结成大幅的、宽视角的、与原始图像接近且失真小、没有明显的缝合线的高分辨率图像。图像拼接的质量主要依赖于图像的配准精度。目前，基于特征点匹配和光流估计是两种主要的针对透视变换模型的图像配准技术。基于特征点的配准算法能用于重合度较低的图像之间的拼接，但是特征点匹配精确度低，迭代计算复杂度大；基于光流的运动估计主要用于重合度较高的视频图像，配准速度快，精确度高。本文中我们提出了两种主要算法：算法一，通过二值化灰度图的极值点匹配进行图像的预处理，得到大致重叠区域，使用Harris特征点检测器求特征点，使用局部相关性和Hausdorff距离的方法进行特征点密集区域的匹配，从而快速确定初始特征点对，算法提高了特征点的匹配速度、降低了误匹配；算法二，将特征点匹配与光流估计结合起来，使用特征点密集区域匹配得到图像之间的大致重叠区域，使用光流方程和分层迭代算法进行重叠区域子图的拼接，然后对重叠区域子图进行逐步扩展，使用递增拼接的方法得到完整的拼接图，并使用群元素的合成、局部精调和全局反馈等方法降低在递增拼接过程中的累计误差。