图像拼接是计算机视觉与图像处理领域的一个研究热点,它是指将同一场景,相互之间存在部分重叠的图像序列进行空间对准,经图像融合(可能是不同时间、不同视角或者不同传感器获得)构成一幅无缝包含各图像序列信息、高分辨率或者宽视角的新图像。图像拼接技术解决了视野与分辨率之间(成像设备视角不足)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 (Scale invariant feature transform)特征的全景图像拼接算法。首先由Shi-Tomasi算子检测得到待匹配的角点集合,随后采用SIFT算法中的特征描述方法进行图像特征描述将图像特征点划分为多对多匹配对,然后进行RANSAC (Random Sample Consensus)精匹配得到一对一的匹配对,最后利用匹配对算出变换矩阵进行全景图拼接。本文的主要贡献是：本文在整个匹配算法中不同阶段采取不同策略,缩短运行时间；使用最大互相关函数和RANSAC算法,保证计算精度。算法虽充分利用了图像的灰度信息和角点位置信息。实验表明本算法对于存在较大色差、形变等图像可以精确快速匹配,其精度和速度都优于传统的匹配算法,具有较大的实用性。