图像拼接作为图像处理领域的研究热点，已成功应用于遥感测量、医学图像处理、视频监控、虚拟现实、军事等领域，各领域的需求同时也反作用于图像拼接，推进了图像拼接技术的发展。然而，各应用场合对图像拼接的精度、速度、鲁棒性等性能指标要求越来越高。本文对Harris特征和结构相似约束方法进行了研究，提出一种高效的图像拼接算法。本文主要研究内容如下：在特征提取和描述方面，研究了经典的Harris角点检测算子，该算子具有一定的灰度变化不变性和旋转不变性，但不具有尺度不变性，为此提出一种B样条多尺度Harris特征提取方法，通过B样条函数将单一尺度的检测算法构造成多尺度的检测算法。特征描述采用BRISK描述子，该描述子是一种鲁棒的、快速的二进制比特串。在特征匹配方面，采用汉明距离作为相似性度量，kd-tree作为搜索策略进行初始匹配，然后利用结构相似约束对初始匹配进行提纯，最后用RANSAC（Random Sample Consensus，随机抽样一致性）算法求出变换矩阵，这种方法剔除了大量的误匹配点，减少了RANSAC算法的迭代次数，因此在提高了配准精度的同时也提高了配准速度。在图像融合方面，给出了计算重叠区域的方法，对重叠区域采用加权法进行融合。针对不同相机，或者同一相机不同时间采集的图像存在颜色差异，在融合之后用颜色传递算法对图像进行颜色调整，使图像色调保持一致。