随着新型传感器的飞速发展,人们获取图像的能力也迅速提高,但是一种图像数据或者单一的传感器所获得的图像信息往往无法满足实际需求。图像拼接就是指将两个或两个以上关于某个具体场景的具有重叠区域的多幅图像加以综合,以生成新的有关此场景的更大视角范围的图像。图像拼接中的两个关键技术是图像配准和图像融合,图像配准和融合的关系十分紧密。图像配准是图像融合的先决条件,为了实现准确的图像融合,必须先对图像进行配准变换。图像配准和融合广泛应用于医学、遥感、航空航天和虚拟现实等领域,是其他技术无法取代的重要技术。本文总结了基于特征的图像拼接中所用到的相关技术。基于特征的图像拼接的基本步骤包括：特征提取、特征匹配、模型参数估计、图像变换。文中以图像配准与融合的每个步骤中的相关方法为基础,着重阐述了基于SIFT特征的图像配准和基于小波变换的图像融合相关算法。为了实现两幅图像的配准,本文首先介绍图像变换模型；然后着重介绍一种对旋转、尺度缩放和亮度变化具有不变性的特征提取算法—SIFT (Scale Invariant Feature transform),即尺度不变特征检测算法,并利用此算法对待配准的图像进行特征提取。为了得到精确的匹配对,本文采用了以下两种策略：一是利用最邻近特征点欧式距离与次邻近特征点的欧式距离的比值来确定初始匹配点对；二是利用改进后的RANSAC随机抽样一致性算法提纯初始匹配对,消除误匹配对。在精确配准基础上,本文概述了小波变换理论和方法,并将小波变换应用于图像融合中。小波变换的图像融合规则是图像融合中的核心,融合规则的优劣直接决定了融合后的图像质量,因此本文着重概述了图像融合规则中的低频和高频融合规则,并对原有的加权平均的低频融合规则提出了一种改进后的基于窗口的与相关系数和空间频率相关的融合规则。为了评价拼接后的图像质量,本文介绍了图像融合质量的评价指标。本文用融合质量评价指标中主观和客观评价指标对拼接后的图像进行了评价。实验证明：使用本文的方法拼接出的图像质量较高。