随着计算机视觉的发展,图像拼接技术也有了进一步的提高,图像拼接是计算机视觉领域中一个重要的研究问题,广泛应用于医学造影,虚拟现实,水下制图,智能车载环视系统等诸多领域。全景图像拼接可拆分为多次图像拼接,将多张具有重叠区域的窄视域的图像拼成一幅宽视域的整张图像。本文通过结合基于深度局部描述的特征匹配算法和最佳接缝线算法,精准地提取待拼接图像重叠区域的特征点并准确对齐多幅图像,有效缓解了传统方法难以处理弱纹理和运动物体重影等问题,并最终给用户提供一个界面友好的全景图像拼接系统。本文主要研究内容如下:1.提出了基于Transformer的局部特征匹配算法。本文基于Transformer的长依赖全局建模能力,结合自注意力机制、交叉注意力机制,提出了一种基于Transformer的渐进式局部特征匹配模型PLFM（Progressive Local Feature Matching）。该模型将特征提取和特征匹配融合在同一个网络模型中,端到端学习图像间的特征匹配关系,模型通过轻量级的设计能够保持较快的推理速度,同时能够解决传统方法在弱纹理、无纹理场景中难以提取到足量的特征点的问题。最后本文在数据集上完成相关算法的对比实验和性能测试。2.提出了基于语义分割和接缝线的图像拼接算法。本文重点研究了室外环境中运动物体的重影消除,首先设计基于编码器-解码器的图像语义分割模型,通过分割模型得到室外场景中车辆、行人等运动物体的像素级区域。然后结合传统的接缝线方法,基于上一阶段得到的运动区域,设计避让运动物体的接缝线寻找策略消除运动物体造成的重影现象。最终,本文在数据集上完成相关算法的对比实验和性能测试。。3.全景图像拼接系统的设计与实现。本文根据相关业务需求,设计了合理的系统架构、核心功能模块和数据库实体结构,并实现了一个包含用户管理模块、全景图像拼接模块、全景视频拼接模块以及信息处理模块的系统,该系统界面友好,操作简洁,具有良好的可靠性和安全性。