图像拼接是把同一场景中一系列相互有重叠部分的图像拼接成一张宽视角、高分辨率的全景图的数字图像处理技术。它要求最大程度与原始图像接近,失真尽可能小,且没有明显的拼接线。随着数字图像技术的发展,宽视野、高分辨率的图像在一些重要的领域越来越重要,而利用图像拼接技术则可以产生这样的全景图,为这些领域的研究提供解决方法。因此,本文对静态图像拼接技术进行研究。本文首先通过对图像拼接步骤的说明,分析研究图像拼接的方法和理论。其次,在对SIFT算法和SURF算法比较分析的基础上,重点阐述了基于SURF特征的图像拼接算法。传统的SIFT算法不足之处在于特征提取和匹配时的计算速度较慢,而SURF解决了这个问题,且具备很高的的鲁棒性。本文在分析SURF算法的基础上,改进了SURF算法。对SURF算法提取的特征点,根据最邻近与次邻近距离的比值大小,用Laplacian标识符对特征点进行标记分类,加快配准速度;在计算变化矩阵时,因为传统的RANSAC算法需要多次迭代,且计算出的数据不够准确,为了解决这个问题,本文利用匹配对的相似度值对其进行筛选,保证了配准的准确性。然后,在图像融合中,为了去除拼接过程中可能产生的拼接痕迹,对传统渐入渐出融合方法的权值进行改进,用高斯模型计算权值的方法代替传统计算权值方法,提高去缝效果。本文中先计算图像间感兴趣区域,然后用高斯模型计算权值。最后,利用权值对感兴趣区域进行融合从而去掉拼缝。实验证明,本文提出的算法是有效可行的。