图像拼接技术一直是计算机视觉、图像处理和计算机图形学的热点研究方向。它可以用来建立大视角的高分辨率图像,在虚拟现实领域、医学图像处理领域、遥感技术领域和军事领域中均有广泛的应用。本文对图像拼接的背景和意义、国内外研究现状、图像拼接的相关算法进行了总结分析；结合图像拼接技术的实现流程,对图像获取方法及常见的图像变换模型进行了分析研究。分析对比了常见的图像配准方法及其优缺点,重点对基于特征的配准方法进行了研究。对Harris、SIFT、ASIFT三种特征提取算子的原理、优缺点进行了详细地阐述,并通过实验仿真结果表明ASIFT算子能够在所有的尺度空间进行有效的特征点检测,具有完全的仿射不变性。在初始匹配特征点对过程中,对穷举法、k-d树法和BBF法进行了比较。在精确匹配过程中,分析比较了鲁棒估计算法中的M估计法,RANSAC估计法和LMedS估计法的特点,并提出了采用Guass-Newton对LMedS算法进行优化的方法来提纯特征点对。在图像融合环节,比较了平均叠加法、加权平均法和分段融合法三种常用的融合方法,并通过仿真实验表明分段融合法能较好地实现图像的无缝拼接。最后,介绍了图像拼接在数字校园及其他领域的应用情况。实验结果表明,改进后的图像拼接算法很好地解决了手动拍摄过程中视角发生变化时提取图像特征的局限性,解决了由于噪声、光照影响而产生的特征点误匹配,提高了特征提取能力和匹配精度,合成的图像分辨率高。