数字图像拼接是当前图像处理领域中的一个热点研究问题,它可以将多幅含有重叠区域的部分场景图像组合成一张包含完整场景的高分辨率和广视角的图像。该技术已经广泛地应用到了遥感、医学、虚拟现实等领域。图像拼接技术主要由图像配准和图像融合组成,其中图像融合技术需要以图像配准技术为基础,因此图像配准是图像拼接技术中最关键的环节。基于特征的图像配准由于其计算量小、使用范围广和高鲁棒性等优点,已经成为了图像配准的主流技术。经典的图像配准方法以投影矩阵作为配准模型,采用随机抽样一致性算法迭代计算完成特征点的匹配和配准模型参数的求解。然而随机抽样一致性算法无法保证每一次计算的结果一致,这样会导致模型参数计算结果的变化,进而导致图像拼接结果的变化。本文研究并分析了随机抽样一致性算法匹配特征点对和计算配准模型参数结果不稳定的现象及其原因。然后综合考虑了特征点描述子的相似性和特征点对位置在空间分布的一致性,提出了一种新的剔除误匹配点对的方法。最后采用优化的方法完成了配准模型参数的计算。另一方面,传统的图像配准方法大都选用8参数的投影矩阵作为配准模型,但是投影矩阵只适合图像中包含一个平面的情况。如果图像中包含多个平面,采用投影矩阵作为配准模型会导致不正确的配准结果,进而使拼接后的图像出现错位等现象。针对多平面的图像拼接,本文提出一种基于多单应阵的非线性配准模型,通过高斯混合模型分类出不同平面上的特征点对,然后根据相应的点对分别计算出每一平面对应的单应矩阵,将这些单应阵融合在一起,构成最终的配准模型。最后,本文在多单应阵配准模型的基础上实现了包含多个平面图像的拼接。