鱼眼图像有着视场大范围广的优点,但其采集的图像往往会有很大的变形,这就会对鱼眼图像的拼接造成阻碍。因此,若要有效利用鱼眼镜头采集的宽视场图像,就需要把畸变的图像经过透视变换转化成无形变的图像,然后再进行图像的拼接,这样才能使鱼眼图像的拼接获取最大的利用价值。本文针对鱼眼镜头采集的图像,展开了对图像拼接技术的研究工作。鱼眼图像的拼接有以下的几个组成部分:鱼眼图像的校正部分,介绍了两种不同的校正法:基于球面透视投影约束的校正法和基于经度定位的校正法,基于经度定位的校正算法丢失像素较少,能够满足实验的需要;在特征点的检测部分,采用改进的ORB(Oriented BRIEF)算法,该算法在传统ORB的基础上,借助SURF(Speed-Up Robust Features)算法的思想,使ORB算法具有了尺度不变性,提高了特征点检测的正确率。ORB相对于SIFT和SURF不但有着高的匹配率,而且在匹配的速度上也有着很大的提升,改进的ORB算法虽然在时间上相对于传统的ORB算法有所增加,但是改进算法具有尺度不变性,可以检测出更多的特征点,进而增加了匹配的精确度;特征点的提纯部分,运用了PROSAC(Progressive Sample Consensus)剔除误匹配的特征点,PROSAC在消除错误匹配的速度上要快于RANSAC(Random Sample Consensus);图像融合部分,由于在采集图像过程中的视角、光照变化等因素,会导致融合后的图像会出现重影、拼接线、图像像素缺失等现象,本文采用渐入渐出以及双线性插值的方法消除融合后图像产生这些现象,进而使拼接后的图像更加自然。本文使用Matlab R2015b和Opencv+Visual Studio2015相结合编程实现以上实验算法。在校正实验中,对比基于球面透视投影约束的校正法和基于经度定位的校正法,并选取后者作为本文的校正算法;在图像特征点提取实验中,与传统的ORB算法进行比较。实验表明:采用基于经度定位的校正算法可以很好地保留鱼眼图像的原有信息,当图像的尺度发生变化时,改进的ORB算法能够检测到更多的特征点,更有利于图像拼接的进行。