图像匹配作为对两幅或多幅图像相似性或一致性检测的分析方法,在人脸识别、目标跟踪、视觉导航、图像拼接及检索等领域具有较为广泛的应用。在不同变换程度的图像匹配中,图像匹配算法的运行时间和计算效率对匹配质量的好坏有着决定性的作用,而图像匹配是图像拼接领域一个重要的图像处理技术,决定着图像拼接质量。然而,传统的匹配算法存在着运行时间长、提取匹配点正确率低等问题。为了解决图像匹配算法中常见的匹配正确率低、耗时长等问题,本文提出一种基于改进的网格运动统计特征(RANSAC-GMS)图像匹配算法,该算法提高了图像匹配正确率,加快了匹配运行时间;针对图像拼接融合中出现的鬼影和重影等问题,将本文所提图像匹配算法应用在图像拼接领域上,提出了一种RANSAC-GMS匹配方法结合改进的最佳缝合线图像拼接算法,所提算法能够很好的消除图像拼接融合中产生的重影和裂缝等问题,实现了图像拼接运行时间快、效率高等优势,保证了图像拼接效果的稳定性。本文研究工作如下:首先,详细讨论了图像匹配的发展现状,对图像匹配所涉及的角点提取、特征点描述、匹配点提纯等原理及优缺点作了较为广泛的概述,其中着重讨论了SIFT图像匹配算法、SURF图像匹配算法和ORB图像匹配算法等一些常见的图像匹配算法;对于图像匹配过程中匹配点的提纯,列举了常见的k-d树和BBF方法以及RANSAC算法,为本文后续提出的改进图像匹配算法及应用作了很好的理论支撑。其次,针对SIFT算法出现匹配时间长、正确率低等问题,本文提出了一种建立网格运动统计特征模型结合改进的随机抽样一致性方法图像匹配算法。该算法利用快速旋转不变性特征(ORB)算法对图像进行预匹配,对预匹配的特征点采用网格运动统计(GMS)支持估计量实现正确匹配点与错误匹配点的区分;然后,采用改进的随机抽样一致性(RANSAC)算法,通过匹配点间的距离相似性对特征点进行筛选,并采用评价函数对筛选后的新数据集进行重新整理,进而完成对误匹配点的剔除,实现了图像匹配精度的进一步提高。最后,将本文提出的图像匹配算法应用到图像拼接领域,针对传统图像拼接融合部分出现鬼影和重影等问题,本文提出一种网格运动统计特征模型结合改进的最佳缝合线图像拼接算法。该拼接算法采用本文所提的改进GMS-RANSAC图像匹配算法进行特征点的提取,完成图像匹配过程;随后采用最佳缝合线,根据图像重复的局部区域划分出最佳缝合线,在拼接线附近采用改进的加权平均融合算法进行裂隙平滑过渡,完成图像拼接。在图像纹理较多、缩放/旋转等变换程度不同的图像场景中,本文拼接算法相较于ORB算法、SIFT算法、GMS算法计算时间和拼接效率都有更好的表现,能够满足图像拼接的要求。