本文以无人操纵目标自动识别系统的开发为背景,在深入研究国内外全景图像拼接技术的研究成果基础上,从图像预处理、图像配准、图像融合等关键技术环节入手,主要针对全景图像拼接的关键——图像配准技术进行了研究。本文对比分析了经典的图像配准算法:基于模板的和基于Harris角点特征的图像配准算法。但是这两种算法都有一定的局限性。基于此问题,本文在对SIFT算法研究的基础上,利用经典的SIFT算法提取出图像的特征点,并在生成特征向量描述符时,利用梯度归一化的思想对原算法进行了改进,有效地提高了图像配准算法的速度和精度。RANSAC算法的使用,较好地剔除了图像的误匹配点对,实现了特征点对的精确匹配。通过实验证明了本文算法在特征匹配时间、特征匹配正确率和匹配效率等方面都较原算法有了改进。在分析现有图像拼接方式及插值算法的基础上,采用前向映射法得到重采样后的图像,从而将待拼接图像映射到参考图像上,完成图像的拼接。进而采用渐入渐出的图像融合算法,消除图像的拼接缝问题。最后将整个序列图像按照此方法进行处理,从而得到全景图像。对于上述算法,本文给出了各个步骤的具体实例分析结果。实验结果表明,本文算法较以往的算法在图像配准和图像融合方面取得了更为理想的效果,可以有效地应用于序列图像拼接的场合。