图像拼接是当前图像处理的一个热门研究课题。图像拼接算法一般可分为基于区域和基于特征两大类。基于区域的算法一般直接利用待拼接图像和参考图像重叠区域中象素的相关性来进行匹配运算，一般比较直观，但是只适用于比较简单的图像拼接，同时具有运算量比较大，拼接效果容易受图像质量的影响等缺点。基于特征的算法一般首先提取图像的特征集合，然后对特征集合进行匹配，根据匹配特征集合建立图像之间的映射变换模型，然后对图像进行映射变换从而得到完整图像，这一类算法关键是图像特征集合地提取和匹配，目前比较多的算法都以角点作为图像特征点，这种算法对角点特征明显的图像拼接(如建筑物)有着很好的效果，但是对角点不明显的图像拼接(如风景)往往却得不到理想的效果。 　　本文首先对图像拼接技术进行了概括和总结，介绍了目前图像拼接技术的一些研究成果，总结了图像拼接技术的一般规律。然后本文还介绍多分辨率分析技术的一般概念，并重点讲述了基于小波的多分辨率分析技术。在此基础上，本文分别给出了一种基于区域和一种基于特征的多分辨率图像拼接算法，两种算法都先对待拼接图像和参考图像进行二进小波分解，然后在基于区域的算法中，对小波分解后得到的低频分量进行基于区域的模板匹配，计算出两幅图像水平、垂直方向上的位移，然后在小波域中对各个小波分量分别拼接，最后进行小波重构，得到完整图像，这种基于区域的多分辨率拼接方法可以减少图像噪声对图像拼接质量的影响，改善了一般基于区域算法的拼接效果；而在基于特征的算法中，进行二进小波分解后，在小波域中提取模的极大值作为图像的特征点，找出待拼接图像和参考图像特征点之间的匹配关系，并利用匹配特征点建立数学模型，应用数学映射模型在小波域中对各个小波分量进行拼接，最后通过小波重构得到完整图像，这种基于特征的多分辨率分析方法对角点不是很明显的图像也有着较好的拼接效果。