随着计算机信息技术的迅猛发展，基于机器视觉的在线检测技术也应用得很广泛。大米品质检测系统就是其中之一。由于大米检测系统是对获取的大米视频信息采用分帧采样的方式进行处理。这样获取的多帧图像不是存在重叠部分就是图像边缘分得比较开，增加了大米检测系统处理大米图像的难度，不能实现实时处理。利用图像拼接技术将多帧有重叠区域的大米图像拼接成一幅大的全景大米图像，然后再用大米检测系统进行处理。这样既可以有效的降低系统处理图像重叠区域的负担，又可以很好的避免处理大米图像边缘信息给系统带来的困难。而且可以提高大米检测系统的效率，实现大米检测系统实时检测。本论文主要是研究图像拼接技术在大米检测系统中的应用。首先对大米检测系统的图像采样进行研究分析，确定了一种最佳的对大米图像进行采样的周期频率。然后研究分析了基于大米图像的预处理方法；通过分析不同因素给图像拼接前带来的影响，分别采用了图像灰度化、直方图均衡化、图像去噪、图像锐化、图像校正、模糊图像复原等不同的方法对大米图像进行预处理；并使用matlab进行了大量的实验分析比较，选出最适合大米图像的预处理措施。针对获取的大米图像的特性，本文在传统的块模板匹配算法上提出了一种限定范围的块模板匹配算法。该算法比传统的模板匹配算法处理速度要快一倍以上。然后根据大米的边缘特征和视频采样图像的特点，提出了一种基于大米边缘特征的相位相关算法。改算法不但对有噪声污染的大米图像效果较好，而且运算效率比较高，适合实时监测处理。本文还提出了一种基于大米图像的加权平均融合算法。最后研究分析了图像拼接的算法流程，运用matlab进行大米图像拼接实验并对实验结果进行了比较和分析。