传统的无线多媒体传感器网络(WMSN)节点仅配备一路摄像机,图像感知区域有限,无法在同一时间实现全向的观测。由多个WMSN节点组成的观测网络,又存在覆盖失衡、数据传输冗余等缺点。因此,有必要引入全景视觉技术构建WMSN节点的全向感知能力。本文面向多媒体传感器网络的实际需求,研究基于多摄像机的全景图像快速生成算法,实现WMSN节点的环状全景视觉感知,具有积极的科学意义和应用价值。本文首先阐述了多摄像机全景图像的配准与融合算法,分析了图像变换模型和图像投影模型的适用范围。对基于区域和基于特征的图像配准算法优劣进行对比,选择基于特征点的图像配准算法作为本课题的图像匹配算法。分析了时域下的图像融合算法和小波域下的图像融合算法原理及优缺点,选择了实时性较高的线性融合算法作为本课题的图像融合算法。在确定了图像配准算法后,对两种代表性的特征点检测算法一—Harris算法和SIFT算法检测到的特征点数量及匹配效果进行验证,选择了 SIFT算法作为本文的特征点检测算法。通过检测到的特征点坐标进行标准化,避免了内点被RANSAC算法误识别为外点的情况出现。考虑到基于全局单应性矩阵的图像配准算法精度不高,本文引入了Moving DLT算法以消除视差对图像配准精度的影响。为了保持图像与目标场景间的透视投影关系,引入了 SPHP算法,并结合Moving DLT算法对其进行了改进,得到了既能够减小配准误差又能保持图像本身视点的图像配准算法。在分析了影响视频拼接实时性的因素之后,本文选定了融合效果较好、算法复杂度低的双线性图像融合方法,设计了全新的距离函数,使双线性法能够对使用改进的SPHP算法得到的变换图像进行融合。设计了正向插值的逆向查表法,将图像的配准过程简化为像素点的搬运过程,将实时计算融合权重改为使用表格查找权重。实验结果表明,本文提出的全景图像拼接算法在配准精度、融合效果方面都达到了较高水准。在C++平台下,将5幅648×364分辨率的图像拼成一幅1544×372的全景图所需时间仅为26.49ms,能够满足WMSN实时感知全景的要求。