图像拼接是将一组相互间存在重叠部分的图像进行空间匹配对齐,经过重采样融合之后形成的一幅包含各图像信息的宽视角场景的、无缝的新图像的技术。本文系统地研究和实现了基于特征点的图像匹配、灰度域和梯度域的图像融合、视频帧的拼接等图像拼接的相关技术,并创建了一个基于双目摄像机的图像和视频拼接系统。本文的主要工作和研究成果有:1.在特征点检测中,基于Harris-Laplace角点检测算法,引入了新的自适应非极大值抑制方法,得到一种改进的多尺度角点检测算法,使得多尺度的角点在检测区域内均匀分布。为了对特征点进行描述,引入了MOPS特征描述子生成特征向量,使得特征描述子对图像的光照、旋转、尺度变化具有鲁棒性。2.在特征点匹配中,提出了一种基于极线约束、哈尔小波变换、最近邻距离比的角点匹配算法,在保持算法具有较高效率的同时,提高了特征点匹配的准确率和鲁棒性。3.在图像梯度域的融合中,对基于泊松方程的融合方法做了四点改进,首先提出了一种新的最优拼缝的数学模型,使得拼缝尽可能地只穿越图像的平滑区域;其次提出并实现了在一幅图像的最优拼缝上检测特征点,而在另一幅图像的最优拼缝的一个邻域内检测特征点的思想;第三,对最优拼缝上的特征点进行匹配时,采用了第三章中的匹配方法,提高了匹配的准确率;最后,用带切比雪夫加速的超松弛迭代法来加快泊松方程的求解。融合的图像能够克服图像的灰度过渡不均匀、结构的误配准和图像模糊等问题。4.在视频帧的拼接中,研究并实现了一种基于图像内容特征的关键帧提取算法。这种算法对图像进行分块处理,把图像的灰度特征、纹理特征和形状特征结合起来,根据提出的一个相异性度量函数来提取关键帧,得到的关键帧能够很好地反映场景内容的变化。