图像拼接技术能将用不同设备、在不同时间、以不同视角拍摄的同一目标的多张图像合成一副高分辨率、宽视野的图像，一方面剔除了图像序列的冗余信息，另一方面兼顾了目标的局部和全局信息，因此具备很强的实用性，在医疗、军事、教育等领域都得到了广泛应用。随着近年来智能监控系统的快速发展和大范围应用，智能监控环境下对图像拼接技术的需求日益凸显出来。在使用摄像头进行监控的过程中，同样会出现上述信息冗余、全局视野与局部分辨率矛盾的问题，且由于监控的持续性和监控对象的移动性，这些问题显得更为突出。因此，智能监控等领域对图像拼接技术有着极大的应用需求，研究图像拼接技术具有重要意义。
　　图像拼接包含图像匹配、图像变换和图像融合三大关键技术，本文重点研究图像匹配技术。主要研究内容和成果如下：
　　①使用特征点数目不同的多张实拍图像进行了基于SIFT（Scale Invariant Feature Transform）的拼接算法验证。在验证过程中发现，无论特征点数目多少，影响拼接算法耗时的主要因素都在于图像匹配步骤中的特征描述过程。因此为了降低SIFT特征描述的耗时，从邻域形状、描述对象和向量降维三个方向研究了国内外一系列SIFT描述改进算法，指出改进描述对象的算法（如引入LBP等）降低描述时间尤为出众，匹配性能和维数也适中，是改善性能的一个可行的研究点。
　　②本文选择改进描述对象。针对LBP（Local Binary Patterns）和CS-LBP（Center Symmetric Local Binary Patterns）的不足，首先考虑隔点采样时采样点邻点具有同等贡献，提出了邻点贡献度加权策略；然后考虑到不同分辨率下特征区域的稳定性，增添了多分辨率融合策略。根据两大策略分别构建了相应的 CWCS-LBP（Contribution Weighting Center Symmetric Local Binary Patterns）描述子和MFCS-LBP（Multi-resolution Fusion Center Symmetric Local Binary Patterns）描述子，以此提升描述子的可区分性和在视角、尺度等变换下的鲁棒性。最终得到了一种基于MFCS-LBP的图像拼接算法。
　　③本文分别用描述子实验、拼接算法实验和模拟实际场景应用实验测试了SIFT、CS-LBP和MFCS-LBP描述子及其拼接算法的耗时和性能。实验结果证明，与基于SIFT的图像拼接算法相比，本文提出的基于MFCS-LBP的图像拼接算法降低了拼接的整体耗时，提升了对尺度、视角等拼接过程中常见变换的稳定性。