图像拼接是图像处理与计算机视觉领域一个日益流行的研究区域，其目的是将具有重叠部分的同一场景的两幅或者多幅图像拼接成一幅具有较高分辨率的全景图像。图像拼接技术能够解决视野与分辨率之间的矛盾问题，被广泛的应用于医学影像、虚拟现实技术、视频压缩与检索、遥感技术等许多领域。图像拼接技术通常包括图像的获取与预处理、图像配准、图像融合等步骤。其中图像能否拼接成功主要取决于图像配准技术。通过对图像配准技术基础知识的学习研究发现，基于区域的图像配准算法需要利用所有的像素信息，对图像的灰度信息依赖性较强，因此对图像灰度的变化十分敏感；基于频域的图像配准算法要求待配准图像存在较大的重叠比例，并且该方法计算量过大；而基于特征的图像配准方法对光线变化不敏感，并且不易受旋转、缩放等因素影响，而且图像特征点数量远少于像素点数量，大大减少了匹配过程中的计算量，有利于提高匹配速度，因而本文采用基于特征的方法实现图像的配准。本文首先介绍了图像拼接的分类、应用领域以及研究现状，展示了其广阔的应用前景。简单介绍了图像拼接的基础知识，这主要包括：①相机的成像模型以及图像的三种获取方式；②图像噪声的抑制。通过实验，对抑制噪声的各种滤波器的滤波效果进行了比较，并选择中值滤波器作为本文的去噪方式；③对数据级图像融合的几种经典方法作了概要的介绍。本文重点研究了SIFT特征点的检测与匹配技术，并通过实验对SIFT检测过程中各步骤的性能进行了分析，得出了SIFT特征点配准算法主要将时间耗费在特征点检测以及特征点描述的过程中的结论。针对特征点检测阶段耗费时间较多的问题，本文提出降低传统算法中构造高斯金字塔时的阶数和层数，并对改进的拼接算法和传统的拼接算法进行了实验仿真和比较。实验表明，该方法在不降低图像配准和拼接的精度的同时，有效地提高了图像配准和拼接的速度。对于传统算法在拼接时只着眼于重叠区域而忽略融合后图像其他区域造成拼接图像亮度不一致的问题，本文提出一种新的分配整个图像亮度的算法。实验结果证明，与传统算法相比，改进算法能够使整个拼接图像的亮度趋于一致，从而使整个拼接图像更加符合人们的视觉感受。