图像拼接技术是当前图像处理领域的一个热门的研究课题。它是将一组相互间存在重叠区域的图像序列实施配准,进而融合成一幅完整、无缝、宽视野、高分辨率新图像的技术。图像拼接技术现已广泛应用于显微图像分析、空间探测、医学图像分析处理、虚拟现实技术、遥感数据处理、军事侦察、公安取证和数码相机超分辨处理等方面,具有广阔的应用前景。根据图像配准的方式,图像拼接技术大体上分为基于特征的图像拼接方法和基于区域的拼接方法。本文研究的是基于特征的图像拼接,具体研究内容如下：(1)提出基于经验模态分解的多尺度特征点提取算法。该算法是将待拼接图像进行经验模态分解,得到原始图像的第一个固有模态函数和第二个固有模态函数,再对这两个固有模态函数进行叠加操作,得到固有模态函数的叠加图像。然后对原始图像、第一个固有模态函数图像及叠加图像分别进行Harris角点提取、并进行非极大值抑制,再对各层候选角点进行筛选,提取两层或两层以上均出现的像素点为候选角点。(2)提出归一化相关系数法与黄金分割法相结合的特征点匹配算法。先使用归一化相关系数法进行特征点匹配,再使用黄金分割法按特征点间的相关系数值截取优质匹配点对,该方法在获得足够数量及精度的匹配点对的同时,避免了匹配过程对阈值选取的依赖。(3)提出一种基于余弦关系变换的加权融合算法,该算法在实现图像无缝拼接的同时,可有效去除拼接图像重叠区域的重影与鬼影现象。(4)提出基于特征点对间欧氏距离的特征点匹配算法,并将该方法应用于全景图像拼接,实现快速全景拼接。