近年来，全景图像被广泛地应用于虚拟现实、计算机仿真及计算机视觉等诸多领域当中，并在此基础上迅速涌现出一系列基于全景图像的应用，诸如街景地图、浸入式多媒体展示及全景视频监控等应用。因为直接获取全景图像的摄影设备价格昂贵且普及率较低，所以常使用普通相机获取多幅原始图像，再利用全景图像拼接技术将它们配准并融合成全景图像。全景图像拼接技术通过对同一场景中不同区位分散图像之间的重叠部分进行检测、识别及相关处理，最终将它们拼接整合成为一幅可以描述整个场景的图像。进一步提升全景图像拼接的质量与效率已成为图像处理领域的研究热点。本文详细介绍了全景图像拼接系统的流程，包括图像获取、图像预处理、图像配准、图像变换及图像融合等环节。图像配准是其中的核心环节，图像配准的效率影响着图像拼接的速度，且不精确的图像配准可能会导致拼接结果中存在拼接错位现象。基于特征点的图像配准算法具有较强的鲁棒性，能较好地应对图像间尺度变换、缩放变换及光照差异带来的影响，所以它是较为常用的图像配准算法，其流程一般包括特征点的检测、描述、匹配及拟合等环节，特征点的检测与描述是图像配准的核心环节。实际应用中，可以在多种不同类型的应用场景下获取原始图像并对其进行图像拼接。在对不同类型的原始图像进行图像配准时，现有的图像配准技术一般仅选用单一的特征点检测与描述算法，且误匹配剔除环节的效率有待提升。针对该问题，本文首先总结并分析多种应用场景的实际情况，并在此基础上提出了基于特征点分级配准模型的图像拼接算法。在分级配准模型的流程中，首先进行第一级图像配准,该级配准使用速度较快的二值型特征点检测与描述算法，并进行容错阈值严格限定的特征点拟合，解决了大部分应用场景下的图像配准问题；若拟合失败，则进行第二级图像配准，该级配准使用鲁棒性较强的基于多尺度空间实现的特征点检测与描述算法，并利用本文所提出的改进算法进行误匹配剔除，可以解决部分特殊应用场景下的图像配准问题,如含有大量相似结构的应用场景。由于缺少测试全景图像拼接算法的公用实验图像库，本文自建涵盖多种应用场景的实验图像库，并将本文算法与多种图像配准算法进行实验对比。实验结果表明，本文算法提升了图像配准的质量，并保证了较高的图像配准效率。当图像含有较多相似结构时，易出现特征点误匹配现象，且误匹配率过高会导致特征点拟合成功率、准确率及速度下降，最终影响到图像拼接的成功率、质量与效率。现有误匹配剔除算法的计算速度与剔除效果均有待提升。针对该问题，本文提出基于彩色信息与二值型全局特征向量的误匹配剔除改进算法。该算法首先使用基于HSI彩色空间模型实现的SURF扩展描述符进行特征点描述，从而可以剔除特征点较小邻域范围内彩色信息不同的误匹配；在特征点初步匹配后，利用二值型全局特征向量进行误匹配剔除，进而可以剔除全局相对位置差异度较大的误匹配，该算法利用二进制串实现了二值型全局特征向量的快速计算，且引入了积分图像，从而提升了算法的计算速度。将本文算法与多种误匹配剔除算法进行实验对比，实验结果表明，本文提出的算法能将特征点的正确匹配率进一步提升5%左右，且计算速度约为现有算法的1.7倍以上。