随着图像处理技术的发展,越来越多的领域需要图像兼具高分辨率和大视场角,以提供对目标场景更清晰地描述,而图像拼接技术可以满足这一需求。本文通过计算机视觉、图像处理等相关技术设计实现了视频图像全景拼接算法。相较于单一传统图像拼接算法,本文结合了深度学习神经网络方法、传统图像处理方法和工程化的多线程并行策略,有效提升了全景图像拼接的质量和效率。并且实现了图像拼接展示系统,提供了一个友好的可视化界面。论文的主要研究内容如下:1.提出了改进的无监督深度单应性矩阵估计模型。本文基于无监督单应性矩阵估计方法,结合通道注意力机制、残差网络模块,提出了一种改进的无监督单应性矩阵快速推理模型。该模型为特征赋予不同的权重,将多分支训练、单分支部署策略融合进模型中,模型通过轻量级的设计能够提升特征提取的准确率并保持较快地推理速度,同时解决弱纹理场景下特征难以提取的问题。本文在真实的数据集上进行对比实验和测试,证明了所提算法的有效性。2.提出了基于最佳接缝线的图像融合算法。本文重点研究了运动物体的重影消除问题。首先设计了基于最小路径成本的最佳分区搜索算法,再结合像素差异程度和接缝线长度从该分区中搜索出最佳接缝线。实验结果表明,本文所提算法能有效解决重影问题,提升图像质量。3.提出了基于多线程的图像拼接算法。设计了一种结合视频帧率和旋转角速度的抽帧方法,将多线程策略应用于图像拼接算法中,对采集到的视频帧图像进行并行拼接,达到了拼接的实时性。与现有图像拼接算法相比,所提算法提升了拼接的速率。4.全景图像拼接系统的设计与实现。系统集成了图像特征提取、图像融合以及可视化展示等功能于一体,具有良好的数据安全和可扩展性,为用户提供了可靠的、实时的图像拼接方案。