随着计算机视觉的快速发展,人们对图像的视觉要求越来越高,高质量、信息丰富的全景图也成为人们的日常需求。图像拼接是一种将同一场景下的数幅有序且包含重复区域的图像拼接成一幅全景图的技术,在遥感、无人机航拍等领域的应用前景十分广阔,具有十分重要的理论意义和应用价值。图像拼接技术一般分为图像配准、图像融合和图像矫直三个部分。本文针对图像拼接存在色差过渡不均匀、图像倾斜扭曲及拼接效率低等问题展开研究,以提高图像质量和拼接效率为重点,提出一种基于拼接缝消除和全景图矫直的快速图像拼接算法。首先,改进经典的SIFT算法,提取图像特征,缩短拼接时间;其次,通过自适应更新机制降低不同图像背景下拼接缝色差过渡不均匀的影响,提高图像质量;最后,为拼接后的图像建立自适应矫直模型,降低图像倾斜扭曲程度,从而获得一幅全景图。本文的主要研究内容包括:1.针对经典的SIFT算法因提取整幅图像特征导致算法计算量大,并易造成后续特征误匹配和计算冗余的问题,本文改进SIFT算法。首先,在尺度空间进行极值检测时,限定图像检测范围,只提取指定图像区域的特征点,缩短算法时间。随后,使用双向KNN进行图像配准,通过RANSAC算法剔除特征误匹配对,保证特征提取的准确度,同时有效提高时间效率。2.针对经典的图像融合算法对配准后的多幅有序图像直接融合,会产生明显的拼接缝,并且出现色差过渡不均匀和伪影的现象,本文提出一种基于最优拼接缝自适应消除的图像融合算法。首先利用提出的自适应能量公式找到拼接图像的最优拼接缝,其次对拼接缝周围图像区域进行多分辨率图像融合,有效消除伪影和拼接缝,提高融合效率和图像质量。3.针对图像采集和图像拼接过程中产生的扭曲误差,本文提出自适应拟合四边形的矫直模型。首先将全景图平均分为大小相同的几个图像区域,其次对每个区域图像依次进行自适应图像矫直操作。该模型在保留全景图有效信息的前提下,降低全景图的扭曲程度,得到一幅高质量的全景图。最后,本文总结研究工作,并对后续研究方向进行了展望。