图像拼接技术是数字图像处理领域里的一个重要分支,它被广泛应用于计算机视觉、全景图构造、医学图像处理应用、3D重构等领域。本文主要研究基于特征点的图像配准拼接技术,基于特征点的图像拼接技术一般包括特征点检测、图像配准和图像融合三个部分。在特征点检测部分,通过比较研究,本文采用了两种受噪声影响较小的特征点检测算子来进行特征点的选择,即Harris角点检测算子和SIFT特特征向量。其中Harris算法采取基于NCC的算法,而SIFT特征向量则是采用欧式距离的方法进行点对间的匹配运算。在图像配准部分,本文提出了一种新的图像配准方法。该方法以现有的RANSAC算法为基础,以仿射变换为变换模型,采用二次导向匹配的方法来提取仿射变换矩阵。在运用RANSAC算法得到内点集合之后,再次利用RANSAC算法找出计算最终仿射变换矩阵的几何配准阈值,最后适用这个阈值的90%大小为门限来求解仿射变换矩阵。本文采用选取6个点进行矩阵求解并进行验证的方法,改进了原来的算法,使得计算的结果更加准确,获得更加满意的变换矩阵。与LM算法相比,本文提出的方法在收敛性方面有所增强。在图像融合部分,本文介绍了几种常用的图像融合方法。最后,对于图像的特征点检测和融合,本文给出了几幅实际的图像来验证图像拼接效果,并且对几种方法进行了比较。