图像拼接技术是将一组相互间存在重叠部分的图像序列进行空间匹配对准,经重采样融合后形成一幅包含各图像序列信息的宽视角场景的、完整的、高清晰的新图像的技术。图像拼接是数字图像处理领域的一个重要的研究方向,在摄影测量学、计算机视觉、遥感图像处理、医学图像分析、计算机图形学等领域有着广泛的应用价值。在图像拼接的过程中,特征空间的提取不仅关系到图像中的哪些特征对配准算法敏感,而且大体上决定着配准算法的快慢和鲁棒性等性能,因此,特征空间的选取对图像拼接有着重要意义。本文采取图像拓扑特征中的边界作为研究对象,主要研究工作如下：本文在研究奇异值分解的时候,注意到奇异值分解在相似性系数中考虑了距离的影响,但由于欧氏距离受到识别特征量纲的限制,影响了其识别性能。马氏距离考虑模式特征参数的大小以及特征间的相关性,克服了欧氏距离受特征量纲影响的缺点。针对以上分析,本文给出了一种基于马氏距离的奇异值分解的图像配准算法,利用最小马氏距离度量特征值的相似度。仿真结果表明,该方法对于存在仿射变换的图像具有很好的配准效果。另外,本文在认真研究了现有特征提取算法的基础上,针对Harris角点检测算法不具有尺度不变性特点,引入了拓扑知觉理论,对提取的图像多尺度下的拓扑结构进行处理优化,然后运用Harris角点检测算法对图像进行角点检测,最后用基于奇异值分解的图像配准算法进行配准,从而达到了较好的效果。实验表明了这种技术在一定程度上提高了角点配准的准确性。