全景场景再现作为一种基于图像的绘制技术,直接对拍摄的图像进行处理,实现速度快且真实感强,目前已被广泛应用于医学、遥感图像处理、农业、航空和旅游等领域。色彩纠正和图像融合是生成高质量全景场景图像的关键技术。色彩纠正中参考图像的选择以及图像融合算法,决定着所生成全景图像的质量和速度。现有算法在确定一幅图像是否适合作为参考图像时,需要遍历所有其他图像,计算其作为参考图像进行色彩纠正的效果,复杂度高,速度慢;在图像融合时存在融合质量与融合速度之间的矛盾。因此,如何快速生成高质量的全景图像就成为全景场景再现的主要诉求。为此本文提出改进的参考图像自动选择的色彩纠正算法和基于重叠区域划分的分区融合算法。针对参考图像选择算法复杂度高的问题,本文根据图像质量与稳定性通常呈反比关系的事实,采用贪婪策略,选择质量最差的图像在色彩纠正前后的相似度,作为是否选择当前图像作为参考图像的评价指标,在保证参考图像满足色彩纠正需求的前提下,大幅降低计算复杂度;针对融合质量与融合速度之间的矛盾,提出分区融合:将重叠区域划分为接缝区域和非接缝区域,利用泊松融合的接缝不可见性和线性融合实现速度快的特性分别对接缝区域和非接缝区域进行融合,既保证融合的质量,又加快融合速度。在此基础上,加入简单点光源,解决上述过程产生的光线一致性问题,进一步提高图像质量。实验采用主客观相结合的方法对结果进行评估。主观方面,本文方法生成的全景图像色彩基本实现平滑过渡且图像原始信息保留完整。客观方面,色彩纠正前后图像的结构相似度(SSIM)介于0.85到0.99之间,时间复杂度由原来的O(n~2)降低到O(n);分区融合后图像信息熵接近于泊松融合,但时间消耗降低72%。实验表明,本文算法适用于多种场景,在保证目视效果良好的前提下,时间消耗降低,可广泛应用于快速生成高质量全景场景。