视频序列的全景拼接作为一种方兴未艾的技术，能增大观察视角，在同一时刻显示大范围的场景信息。随着视频监控、虚拟现实、视频会议、交通导航和视频编辑等视频应用变得越来越普遍，视频图像的拼接技术随之发展起来。目前，除了少数行业采用超广角镜头或鱼眼镜头直接拍摄外，其它视频全景图像必须采用软件算法来实现。鱼眼镜头等硬件拍摄设备存在功能不易扩展、价格昂贵和功能单一等缺陷。与此相反，软件拼接系统易于扩展、价格便宜并且功能丰富，但由于视频本身的复杂性，也使其成为一个难点问题。因此，本文研究了基于特征点的视频图像实时全景拼接技术。生成全景视频需要完成特征提取、特征匹配、图像定标和拼接等技术细节，本文依次对这些过程中的主要技术问题进行了研究和改进，并提出了一种新的特征提取算法。　　 实现视频拼接的第一步是进行特征点的提取。提取到的图像特征最好具有对于旋转和尺度的不变性，以及对噪声、视角变化和光照变化等的良好的鲁棒性。这样可以使得在较大的尺度变化下的图像配准成为可能。此外，预先去除一部分不稳定的特征点，提高匹配的速度和正确性也是必要的。现今，研究人员已经获得了一些相关研究成果，包括基于互信息、点、线、区域的特征提取方法，给出了许多不同的研究思路。本文对此进行了详细的研究，通过总结现有特征提取算法的优缺点，提出并实现了一种基于颜色和曲率特征的新算法(CCFD，the Color-based and Curvature-based Feature Detection)。在论文的第二章中介绍了新算法的理论基础，在第三章中提出了新算法的具体实现步骤以及各种判决条件。　　 论文的第四章给出了视频图像实时全景拼接技术的流程和实现步骤。利用CCFD算法提取视频帧的特征点，随后进行精确匹配，建立起特征点间的对应关系。在这个过程中采用K-D树对特征点进行匹配，保证了匹配过程快速和准确地进行。之后，利用已匹配的特征点对不同路的视频进行标定，这可以计算出两帧图像之间的变换矩阵，并快速得到两帧视频图像中的粗糙重叠区域，实现系统的实时性。最后，在拼接过程中消除由拼接产生的累积误差和图像模糊，本文中　　 采用一种加权滤波方法，使图像达到平滑无缝的接合。实验结果表明，本文所提出的视频拼接方法可有效地达到预期目标。　　 在论文的最后对全文的工作进行了总结，并对今后可能的后续工作进行了展望。