图像拼接技术是计算机视觉领域的一个重要分支,是指将一组相互之间具有重叠部分的图像序列进行空间匹配对准,然后经重采样合成一幅包含各图像序列信息的宽视角、高分辨率的新图像。图像拼接技术能更好的解决设备视角不足和分辨率低的问题,得到宽视野、高分辨率的图像,并推动了图像处理技术的发展。目前图像拼接技术已广泛应用于多个领域,如医学图像分析、计算机识别、遥感图像处理、虚拟现实技术等领域。本文首先简述了图像拼接技术的研究背景及意义、国内外研究现状,并系统地介绍了图像拼接的基本流程,然后总结了图像配准和图像融合两个重要环节的级别和几种重要实现方法,并分析了各种方法的优缺点。在现有算法研究的基础上,本文提出了一种基于SIFT和图结构的全景图像拼接算法。首先利用SIFT算法提取每幅图像的特征信息,并进行特征点匹配,其次完成多幅无序图像序列之间的全局匹配,最后进行图像融合处理,实现全景图像的自动拼接。本文的主要贡献是：在图像特征匹配方面,采用BBF搜索算法弥补Kd-Tree算法在空间维数大于10时,其执行效率较差的问题;在特征点提纯方面,采用改进的RANSAC算法剔除误匹配点,减少冗余；在图像融合方面,依据强制改正法,使用了一种渐入渐出的函数强制改正图像拼接缝两侧的灰度,以达到拼接缝的消除；在多幅无序图像拼接方面,采用无向图的搜索方法自动区分无序图像序列,实现图像拼接的智能化。实验证实了本文方法的可行性,进一步提高了图像拼接的精度和速度,同时提高了图像拼接的视觉性。