在很多情况下,我们所拍摄出的照片,都会因为很多限制因素,从而导致所拍摄出的图像并不是我们理想中的样子。这些限制因素包括：仅仅是局部照射的光源,拍照环境中的背景颜色与所拍摄的图像的颜色相同或者类似,所使用的相机的像素不够高,以及我们拍摄的角度不适合等等。这些因素也许会造成我们拍摄的图像存在局部区域极暗或者极亮,极暗的区域对于提取特征点来说是非常困难的,因为该部分的图像一般来说,信噪比非常的低,有效的特征点也将很难被检测出来。由此,更会造成特征点匹配时会出现大量的误匹配对,对于去除误匹配也会消耗掉大量的时间。这些问题都是我们所需要解决的。在本文中,首先使用了双边滤波与retinex方法相结合,主要对极暗区域中的图像进行图像增强,然后,利用gamma函数对增强后的图像进行校正,从而改善图像的清晰度,增加分辨率的同时,提高了信噪比。此外,能够提取出来的特征点数目也明显增加。在待拼接图像进行增强之后,通过SURF算法对特征点进行提取和构建特征点描述符,然后通过K-D树搜索最近邻与次近邻特征点,这一步骤主要是为了后续的通过最近邻距离比次近邻距离的匹配方法来找到相应的特征点,构成匹配对。通过最近距离比次近距离的匹配方法能够快速有效的找到匹配点,大大降低了误匹配率,提高了匹配效率。而后,使用本文提出的改进的随机采样一致法(RANSAC)去除错误的匹配点对,通过与传统的随机采样一致法进行对比,可以看出,改进的RANSAC算法在能够很好地去除错误匹配对的同时,大大降低了消除错误匹配对的时间。最后,采用加权平均算法对图像进行融合。实验分析得出,通过对本文中所提出的改进的RANSAC算法与传统的RANSAC算法去除误匹配进行对比,验证了改进后的算法有效性。并且,改进后的RANSAC算法更有利于匹配的精确度和拼接的速度的提高。仿真结果表明,通过本文提出的改进的RANSAC算法去除误匹配对,可以更快速,更准确的将有相同区域的两幅图像或者更多的图像拼接成一幅清晰,宽视野的图像。