随着经济的发展，高分辨率的大场景图像在日常生活或者科学研究中越来越重要，最典型的应用是在虚拟现实技术中对虚拟的大场景的构造。大场景图像自动拼接技术是将输入的无序的小分辨率图像进行自动排序，最后拼接成一幅大分辨率大场景图像。　　 根据大场景图像自动拼接的流程，本文着重对以下几个方面进行研究：　　 1.全面总结了大场景图像自动拼接技术的意义，国内外研究的现状；介绍了图像拼接技术的整个流程，并且对常用的拼接技术进行简单的分类。　　 2.对在图像拼接技术中常用的图像获取方法以及几种模型变换的方式进行分析研究；在进行全景图拼接时，特别介绍了柱面坐标投影模型和球面坐标投影模型，并且在基于频域的图像自动拼接方法上，对相位相关方法进行改进，引入了对图像间旋转参数的求取，使得最终可以得到待拼接的两幅图像间的平移参数和旋转参数，并且根据图像间相关度以及平移参数来对输入的多张无序的图像进行自动排序，根据平移参数和旋转参数来对图像进行对齐，实验结果证明该方法能得到较好的拼接结果。　　 3.研究了常用的几种特征点检测方法，并分析其优劣。对常用的Harris算子进行实验，得到其检测效果，并在此基础上，对SIFT特征检测算法做了详细的研究，使用SIFT算子来对输入图像特征进行提取，并对图像序列进行配准。　　 4.在使用特征算法进行大场景图像拼接时，使用了基于概率模型的方法来对无序的图像序列进行匹配查找，使得图像间能有效的进行配对；在选择参考平面时，本文综合考虑匹配特征点数目，匹配的图像数目及重叠区域的大小等因素，将最符合上述因素的平面设为参考平面，并通过假设相机的向上方向一致来抑制多张图像拼接后的呈波浪形的情况。　　 5.对中值流滤波器与RANSAC算法进行研究，并将两种方法结合作为改进的RANSAC算法来对检测的相邻图像间的SIFT特征匹配对进行有效的提纯，剔除误匹配点；对多张图像进行拼接后的累积误差进行分析，使用L-M算法对累积误差进行捆绑调整，并对由于曝光等原因造成的图像间的亮度不一致情况进行光照补偿。　　 6.在配准之后，相邻图像间重叠区域需要进行融合，本文研究了当前常用的几种融合的方法，并对各种融合算法分析其优劣性质。在此基础上，提出了一种基于形态学的融合方法，在满足较好的融合效果的同时，对融合算法的速度有了较大的提高。　　 对本文的各个方面的研究过程中，都进行了相关实验，并对各种特征检测算法在旋转，平移，光照变化等各种情况下都进行了测试，结果证明SIFT算法具有较好的鲁棒性，对于大场景的图像自动拼接能取得满意的效果；对融合算法的实验证明，本文提出的基于形态学的融合算法能得到较好的效果。