图像拼接技术是计算机视觉和数字图像处理领域中的一个研究热点,其通过图像配准技术来求取相邻图像之间的变换关系,并对两幅或多幅具有重叠区域的图像进行拼接处理,最终生成一幅完整的全景高清图像,在虚拟现实场景构建、医疗图像合成、遥感图像分析等诸多领域具有广泛的应用。虽然到目前为止图像配准技术已经取得了重大的进展,但是在存在多个平面的复杂场景下,如垂直房屋墙面和水平地面共存的场景,现有的基于特征点的图像配准算法往往伴随着重影、透视失真等问题。针对以上问题,本文分析总结了造成上述现象的三个原因:传统随机采样一致性（RANSAC）算法不适应多平面场景图像、图像重叠区域对齐精度差、单应性变换会给非重叠区域带来透视失真,并针对性地开展了相关研究工作。针对传统RANSAC算法的不适应多平面场景图像问题,同时不适应多单应性应用场景的问题,本文提出了面向多单应性的细粒度特征点对提纯方法,根据特征点对之间的重投影误差量化特征点对之间的相似性,并用凝聚层次聚类（HAC）算法对特征点对进行聚类,最后根据平均重投影误差剔除误差较大的匹配点聚集类,保留不同平面上的特征点对,使内点比例相对于RANSAC算法在公共数据集和实测数据集中分别提高了22.6%和20.35%。针对图像重叠区域对齐精度差的问题,本文首先提出了融合平面距离的简单的线性迭代聚类（SLIC）子区域划分算法,利用特征点邻域之间的相似性量化平面之间的相似性,划分出结构更紧凑的图像子区域,然后根据特征点到子区域中所有特征点的平均距离量化了特征点到子区域平面的距离,提出点-面距离引导的局部单应性计算方法,使本文改进配准算法相对于全局单应性算法、APAP算法、AANAP算法,在公共数据集上的配准精度分别提高了24.82%、15.50%、13.72%,在实测数据集上的配准精度分别提高了21.00%、14.01%、11.70%。针对单应性变换会给非重叠区域带来透视失真的问题,本文提出了基于全局最优策略的透视失真矫正方法,该方法利用所有有效的相似矩阵给出了全局合理的相似矩阵计算方法,并利用其将局部单应性矩阵从重叠区域外推到非重叠区域,削弱了非重叠区域失真现象,使整体的拼接图像更加自然。最后,结合相关技术实现了无人机遥感图像拼接系统,该系统实现了从图像采集到图像拼接的整个流程,为航拍图像拼接系统提供了一个实用有效的解决方案。