随着海洋资源探测的日益深入，更多的传统能源和新能源在海洋中被发现，世界各国将海洋的战略地位提升到了更高的层级。为了更好的探测海洋资源和开发海洋资源，人们必须加深对海洋的认识。水下机器人以其独特的定位和良好的操控性得到了研究学者的青睐。本文将针对水下机器人的视觉系统，提出一种可用的稳定性的图像拼接系统，该系统将更高效和方便的完成水下图像提取和拼接的工作，实现图像水下信息的高度还原。本文首先介绍了水下机器人的种类和发展史，着重介绍了国内ROV的发展过程和发展需求，论述了本文研究方向的必要性和科技价值。其次主要针对水下有缆机器人（ROV）配套的水下图像采集系统进行研究，针对高速水下摄像机CCD进行设计。然后针对拼接研究了预处理、特征点匹配、图像拼接等进行具体阐述和分析。最终完成稳定拼接系统的设计。预处理阶段，主要对比了中值滤波和均值滤波的作用，去除椒盐噪声对特征提取与匹配的影响。特征点提取算法的选取上，首先对传统的Harris的角点检测算法进行分析，阐述了他的理论，分析了其不足之处，最终选定了基于SIFT算法的特征提取算法。这种算法在应用时，首先要把待匹配图像表示在尺度空间，然后再在该空间中检测图像的极值点，利用得到的极值点建立特征描述向量（128维特征向量描述子），这种特征描述向量作为最终的特征值应用到特征配比中。该特征提取方法由于特征描述子的唯一性（高维，多特征量）可区分性强大，较其他特征匹配算法具有更高的精确度。而且该算法相对以前的特征提取方法大大的缩小了运算量。使用SIFT算法实现了旋转不变、放缩不变，而且能够适应一定光照和视点变化的特征提取。在特征点选取之后为获得各幅图像之间重叠部分的关系，需对提出的特征进行匹配，本文针对特征描述算子的高维数，设计了一套基于最近邻查找的匹配算法，同时利用次近邻距离与最近邻距离比值的阈值判断法消除了大量的误匹配。粗略的匹配筛选之后还是会有大量的错误存在，解决剩余的错误可以考虑从模型拟合问题中借鉴，模型拟合可以有效的避免噪声和错误数据点的干扰，本文使用随机选取一致性（RANSAC）算法来进行筛选，进一步提高了匹配的准确度。在获得了特征匹配点对之后本文采用了矩阵转化的方式进行拼接，通过参数提取和坐标叠加获得最终的匹配图像。最后通过Matlab实验完成系统测试。本文较好的完成了预期的科研命题，讨论了自动图像拼接系统所需要的技术细节和实现方法，实验表明该系统具有很好的鲁棒性和自动拼接能力。