图像匹配与拼接是将两幅或者多幅具有重叠区域的窄视角图像先匹配然后拼接成为一张宽视角、高分辨率图像的技术,现在已广泛地应用于医学图像、遥感图像、虚拟现实等领域。图像匹配和图像配准融合是图像拼接中的两个重点研究内容。由于在拍摄时,往往不能满足理想拍摄条件,即拍摄多幅照片时,摄像机应该固定于空间中一点,只做旋转运动,所以拍摄到的照片会存在一定的视差。大视差图像拼接,在重叠区域往往会因为配准精度较低出现重影,非重叠区域发生失真。针对这一问题,本文对大视差图像拼接的主要流程的各个环节进行详细的研究,并对图像匹配和配准环节进行优化。本文的主要工作有:(1)研究基于局部特征点的图像匹配算法,对SIFT算法、SURF算法、ORB算法进行详细阐述与学习,随后提出一种改进的ORB算法对图像进行匹配,并在公开数据集上对上述几种图像匹配算法进行测试,并对匹配算法的匹配正确率和匹配时间进行统计,证明改进的ORB算法不仅具有较好的鲁棒性而且匹配效率较高。(2)随机采样一致性算法在筛选内点时,若参数模型较差会导致正确匹配点误判为外点,严重影响图像配准算法的精度,提出使用向量场一致性算法代替随机采样一致性算法。经实验表明:使用相同特征匹配算法,向量场一致性算法可保留更多内点,速度更快。(3)提出一种改进的APAP算法,首先根据特征点分布进行图像网格划分,以达到重叠区域高精度配准的目的;然后使用随机采样一致性算法计算全局最优相似变换矩阵,从而有效的限制了非重叠区域出现的失真;最后对重叠区域内容感知,保留重要度较低的区域融合得到拼接图像。为了验证所提算法的优越性,使用APAP算法、SPAP算法、AutoStitching算法与本文算法对比实验,并通过视觉主观、量化对齐和运行效率对上述算法评价,以证明所以算法拼接效果更符合人眼审美、效率较高。