图像拼接(Image Mosaic)技术是将一组相互间存在重叠部分的图像序列进行空间匹配对准,经重采样融合后形成一幅包含各图像序列信息的宽视角场景的、完整的、高清晰的新图像的技术。随着数字成像技术的迅速发展,数字成像设备(数码相机、数码摄像机等)得到了越来越广泛的应用。然而,在一些特殊环境下,由于设备本身的限制使得数字图像和视频的视场宽度不能满足应用要求。本文研究了利用图像拼接技术突破成像设备本身的物理限制,得到大视场的数字图像的理论和方法。本文首先介绍了图像拼接技术的研究现状、特点及应用领域,从而展示了图像拼接技术广阔的应用前景。然后对图像拼接及其关键技术进行了概括和总结,介绍了图像拼接的流程、图像的采集以及常见的图像变换模型,重点研究了图像拼接技术中的图像配准及图像融合等关键技术,分析和总结了现有的图像拼接的主要方法、性能以及存在的问题。图像配准的方法大致可以分为两类:基于像素的图像配准方法和基于特征的图像配准方法。本文详细论述了这两种常用方法的特点及应用领域,并将基于特征的图像配准方法作为本文的研究重点。基于特征的图像配准方法是目前图像配准最常用的方法之一,其最大的优点在于能够将对整个图像进行的各种分析转化为对图像特征(特征点、特征曲线等)的分析,从而大大减小了图像处理过程的运算量。本文通过对现有的特征提取方法进行分析,重点研究了点特征的常用提取方法,在准确及快速地提取图像特征点的基础上,改进了一种快速、稳健的基于Harris角点匹配的图像配准算法。该算法综合利用了兴趣点的亮度信息和空间信息,使用Harris角检测器提取出兴趣点,采用互相关系数相结合的方法提取出初始匹配对,根据特征点的整体匹配度和投影变换系数反复运算计数剔除伪匹配对,得到两幅图像的对应兴趣点特征对。根据匹配对计算出图像的变换参数,使用变权值平均的方法融合图像。通过实验证明,本文提出的方法满足图像处理过程的实时性和准确性,并且很好地解决了场景拼接过程中常见的“拼缝”现象,算法准确率高,鲁棒性强,对今后图像这方面应用研究具有一定的参考价值。