图像拼接技术是计算机领域以及图像处理方面的热点之一,目标是将同一个场景内的具有重叠部分的图像进行拼接,得到一幅包含各图像的所有信息,分辨率高并且视野更加宽广的图像。图像拼接技术克服了广视野与分辨率之间的矛盾问题,在全景图像合成、场景的3-D重构、医学图像分析、视频监控系统、航空及卫星图片集成等领域都有着非常广泛的应用。本文是基于尺度不变特征变换(Scale-invariant feature transform, SIFT)来实现图像拼接技术。图像拼接技术包括图像采集、图像预处理、特征点提取、图像配准、图像融合这个几个部分。本文完成的主要工作包括：(1)图像预处理理论算法的相关研究。对常用的图像预处理算法进行了研究,经过对常用的图像预处理算法的优缺点进行分析和对比之后,本文采用中值滤波去噪,并采用直方图均衡化的方法对图像进行增强。研究了图像配准和图像融合技术的基本理论。(2)对常见特征点提取算法进行了研究,对比几种常见特征提取算法的优缺点之后,选用SIFT特征提取算法作为本文的基础。提取特征点之后采用基于Kd-tree的BBF算法对特征点进行初始匹配,然后采用随机抽样一致(Random Sample Consensus. RANSAC)算法消除错误的匹配对。针对RANSAC算法在特征点数目过多时,算法运行的时间会由于不断随机选取初始匹配对而急剧增加的问题,对RANSAC算法在选取初始样本点时进行了改进。实验结果表明改进的算法确实能够提高运行的效率,节约时间,基本能够满足算法的实时性。(3)图像融合处理。采用渐入渐出的图像融合技术对最终的拼接结果进行处理,实验结果证明该算法能够有效的去除在拼接图像的重叠区域内的阴影。接着用三组不同条件的实验图片验证了本文算法的可靠性以及改进算法的性能。(4)为了更加方便的体现图像拼接的具体流程,开发了一个图像拼接的软件。