图像拼接是计算机视觉与图像处理领域的一个研究热点,是指将同一场景,相互之间存在部分重叠的图像序列进行空间匹配对准,再经图像融合形成一幅包含各图像序列信息的、较高分辨率或宽视角的新图像。图像拼接技术解决了视野与分辨率之间的矛盾问题,在遥感图像处理、医学图像分析、数字视频压缩、虚拟现实技术等领域都有广泛的应用。本文首先概括了图像拼接技术的研究意义、现状以及应用领域,并系统地介绍了图像拼接的基本流程及其关键技术,对图像配准和图像融合的主要方法、性能以及存在的主要问题进行了分析和总结。在前人研究的基础上,本文提出一种改进的基于SIFT特征的全景图像拼接算法。首先提取每幅图像的SIFT特征并进行提纯匹配,针对多幅图像的配准,引入概率接收模型确认图像间的相互匹配关系,去除干扰图像,再采用柱面投影模型连接起所有的图像,最后进行加权平均融合处理,得到无缝的全景拼接图。本文的创新之处在于针对传统SIFT特征匹配算法匹配时间较长和存在错误匹配的不足提出了改进。在SIFT特征提取方面,构建高斯金字塔时减少图像采样形成的组数,选择3个采样组；在SIFT特征匹配方面,在Kd-Tree搜索算法基础上,采用BBF搜索算法提高特征点的搜索效率；在SIFT特征提纯方面,采用改进的RANSAC算法过滤外点,去除冗余和误匹配对。实验证明本文算法在继承了传统SIFT算法较强鲁棒性的同时,进一步提升了拼接的速度和精度,而且降低了对图像序列获取的要求,增强了算法的自适应性。