图像拼接技术一直是计算机视觉、模式识别、医学等领域研究的一个重要课题,图像拼接技术也是图像处理工作中的关键技术之一。所谓图像拼接就是将有重叠的图像无缝拼成一幅大宽视域图像的技术。它包含两个关键技术：图像配准和图像融合。由于局部视域图像内的照度不均匀性,图像间的照度的差异性,图像之间的几何形变性,图像拼接的技术瓶颈在于精准的亚像素配准以及图像重叠区域两侧的无缝融合。为此,本文围绕图像精准配准的鲁棒拼接技术为主线,从图像间的几何特征点和线型特征的表征与匹配计算出发,研究具有旋转不变和光照鲁棒的特征匹配算法,进而设计高性能的图像配准与鲁棒拼接方法。本文在研究图像拼接技术的关键技术的基础上,作出了如下四方面的工作：(1)提出了一个基于Shi-Tomasi角点匹配和角点特征谱聚类的图像配准与快速拼接算法。该方法基于8-参数透视变换模型构造自适应的图像投影变换,给出了图像间角点特征对由粗到精的匹配算法。结合互相关粗匹配和改进的随机抽样一致性(Random Sample Consensus, RANSAC)精匹配的投影参数拟合,实现了图像的精准配准与拼接。实验效果表明,该方法不仅提高了算法的效率,也增强了图像配准与拼接中的鲁棒性。(2)提出了一种简单有效的基于旋转不变HOG特征图像拼接算法。HOG特征是一种基于梯度方向统计的特征,梯度方向都是通过直接对应像素的梯度得到。然而在待配准图像发生旋转时,仅通过单个梯度方向信息,效果非常不理想。为了解决这一问题,本文首先通过增加描述梯度方向数目,提出一种旋转不变的HOG特征。本文利用Shi-Tomasi角点检测算法快速提取角点集合,然后描述角点的旋转不变HOG特征,最后通过点的匹配完成图像拼接任务。与同类方法比较,该方法对旋转变化具有更强的鲁棒性。(3)经典图像配准方法都是基于单个关键点的特征信息,基于图像没有综合考虑关键点之间的近邻信息以及图像的局部结构。为了弥补这一弱点,本文提出一种有向线段的尺度不变特征转换(Scale-invariant feature transform, SIFT)的图像匹配与拼接算法,首先提出一种改进的SIFT角点检测算法,检测出关键点；其次通过描述关键点之间的等分点的SIFT特征,构成特征矩阵,用于描述有向线段；然后通过基于匹配线段的方法,获取关键点的粗匹配；最后通过改进的RANSAC方法获取点的精匹配完成图像拼接任务。实验结果表明,在处理图像发生扭曲,形变等问题时表现了优越的匹配性能,尤其是在待匹配的图像中发生了尺度变化时优势更加明显。(4)针对传统搜索的缝合线接近过渡区边界的问题,本文引入了过渡区域均衡化技术,提取一条离两幅重叠图像边界都尽量远的最优缝合线。针对多分辨率融合技术在带通图像加权融合时使用单一的高斯函数,有时不能消除拼接痕迹的缺点,提出基于余弦函数的自适应加权参数的融合算法。然而加权融合易弱化边缘信息,为避免问题,在融合时参考边缘信息。实验表明此融合方法处理后的过渡区图像具有更好的视觉效果。