图像拼接技术能够提供宽视角而且高分辨率的图像,与使用扫描相机和广角镜头相比,不仅快捷方便成本低廉而且获得图像质量高,在视频图像拼接、虚拟现实、航空航天、视频压缩和传输、视频检索与浏览等领域有着广泛应用。该技术涉及到计算机视觉、人工智能、数字图像处理等领域,是众多学科的交叉新型研究热点,本文主要研究了基于特征点的图像拼接技术。特征点提取是基于特征点图像拼接的第一步,目前常用的特征点提取算法有Moravec算子、SUSAN算子、Harris算子、SIFT算子等。本文对Moravec算子和SUSAN算子的原理进行了学习研究,并对Harris算子编程实现,验证了算法的效果。SIFT特征对于图像具有旋转不变性,是当前特征点提取研究的热点,编程验证了SIFT算法,发现特征点匹配结果中存在伪匹配点,伪匹配点的存在影响变换矩阵的计算精度,容易导致图像配准的失败,为了去除特征点匹配中存在的伪匹配点,提出了基于特征点的伪匹配点去除算法,实验结果显示,该方法有效去除了伪匹配点,与RANSAC算法相比大大减少了计算时间。视频图像拼接是图像拼接技术的重要应用领域,在拼接过程中需要对视频进行解码并提取需要的帧图像,H.264是当前国际通用的视频编解码标准,帧内预测是H.264的重要一部分,本文针对帧内预测的复杂计算,提出了基于宏块相关性和MAD值的帧内预测算法,实验结果显示,该方法有效地较少了编码时间；最后,对所提取帧图像进行特征点的提取与匹配,通过正确匹配点对计算出帧图像间的变换矩阵,实现了视频图像的配准。