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、高清晰的新图像技术。图像拼接是数字图像处理领域的一个重要研究方向,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都有着广泛的应用价值。本文总结和分析了目前图像拼接技术的分类。图像拼接算法分为以下三个类型:(l)基于区域相关的拼接算法;(2)基于灰度的拼接算法;(3)基于特征的拼接算法。本文主要针对基于特征点的图像拼接算法开展研究。一般来说,基于特征点的图像拼接技术一般包括特征点检测、图像配准和图像融合三个部分,其中图像配准是整个图像拼接的基础。本文主要以特征点匹配为主线,针对目前流行的Harris特征点和SIFT特征点匹配技术进行了深入的系统研究。其中Harris算法采取基于NCC的算法,而SIFT特征向量则是采用欧氏距离的方法进行点对间的匹配运算。Harris角点检测算法被广泛应用于图像拼接是因为它比较简单而且稳定,然而它也有缺点,当图像中有噪声的时候用这个算法提取,会把噪声点当成角点给提取出来。本文提出了一种改进的Harris角点检测算法,可以减少噪声点对角点提取产生的影响。实验结果表明,改进后的Harris算法不仅大大减少了把噪声点当成角点的那些错误角点,同时保留了绝大部分的正确角点。该算法提高了检测精度,并且减少了误匹配率。在特征点匹配阶段,对两图特征点特征描述符建立k-d树,筛选出初始匹配点对。然后用Ransac方法对初始匹配点对进行过滤,得到变换矩阵的初值。最后根据得到的变换矩阵进行加权融合。经过大量试验,证明拼接效果很好。