图像拼接技术是指将针对同一场景的两幅或者多幅具有部分景物重合的图像进行无缝拼合，生成一张具有较宽视角或者360度视角的全景图像的技术。近年来，图像拼接技术在遥感监测、医学图像处理、虚拟现实等领域得到了广泛应用，成为计算机视觉领域中的研究热点。 本文系统地研究了图像拼接方法及应用，对图像的特征提取算法、基于尺度不变特征变换（SIFT）的图像拼接技术，以及全景图自动生成技术三个方面进行了较为深入的理论研究与应用实现。 图像匹配要求特征检测算法具备较高的特征定位精度，并对图像的灰度变化、几何形变以及部分遮挡都具有较好的鲁棒性。因此在分析经典的Harris算子的基础上，首先重点研究了较为前沿的SIFT算子，并进行了实验验证、结果对比及算子优化。 其次实现并改进了基于SIFT特征的图像无缝拼接方法。使用最近邻与次近邻的欧儿里德距离比值来初步确定匹配点对，采用基于KD树的BBF算法来搜索查找最近邻，使用经典的RANSAC方法进行剔除误匹配点对，从而一定程度地克服了传统图像拼接技术普遍存在的容易发生误匹配的缺点。此外，研究了图像融合技术，讨论了多分辨率融合算法和基于最佳缝合线的融合算法。 最后研究了无序输入图像的图序自动识别与全景图拼接技术。重点研究了图像匹配确认的概率模型，以确定图像间的匹配是否正确。提出了全景图自动识别的方法框架，能从一组无序输入的图像中解析出能够组成全景图的有序图像序列，并排除其中的干扰图像。实验结果验证了该方法的有效性与可靠性。