图像拼接技术是指将同一场景下具有重叠区域的多幅图像,采用一定的算法,无缝拼接成一幅大视角的高分辨率图像的技术。作为数字图像领域的一个热门研究,图像拼接技术在各个应用领域备受关注,并随着图像拼接技术的发展,逐渐成为科学研究与日常生活中不可缺少的一部分。基于特征匹配的图像拼接方法被广为应用,其中图像配准是该方法的重中之重。本文分别研究对比了SURF(Speed-Up Robust Features,SURF)、ORB(Oriented FAST and Rotated BRIEF,ORB)、BRISK(Binary Robust Invariant Scalable Keypoints,BRISK)图像配准算法的实现过程。SURF算法是在SIFT(Scale Invariant Feature Transform,SIFT)算法的基础上发展而来,具有很强的鲁棒性,但计算复杂不具备实时性。ORB算法计算速度快但尺度变换性能较弱。因而本文重点研究基于改进BRISK算法的图像拼接技术。在图像配准部分,针对传统的BRISK算法存在匹配策略单一与在外部干扰下配准精度低的两个问题,分别从特征点提取与特征点匹配两个阶段进行改进。在特征点提取阶段,采用基于归一化灰度滤波函数的改进双边滤波方法处理图像,并结合AGAST算法检测特征点,抑制噪声误差,剔除不相关的特征点。在特征匹配初始阶段,通过双向汉明距离对特征点进行粗匹配,结合通过增加内点概率而改进的RANSAC算法进行精匹配。最后通过实验验证改进的BRISK算法在提高配准精度的同时减少了匹配时间。在图像融合部分,针对光照、环境等影响因素导致拼接后的图像重叠区域存在模糊与拼接缝隙等问题,本文提出渐入渐出法与拉普拉斯金字塔相结合的融合方法,该方法可以解决拼接图像的缝隙问题,使图像拼接处平滑过渡实现高分辨率的融合。通过实验验证了改进的BRISK算法与改进的渐入渐出融合算法与传统算法相比,图像拼接质量明显提高。