随着对图像拼接研究的不断深入以及视频图像在现实生活中的应用,单个视频采集设备所获得的图像信息具有视觉上的局限性。为了解决这个问题,获取宽视野、大场景的视频图像,可以考虑将多个具有重叠区域的视频图像序列进行拼接,形成一个视角更大的新的视频图像,于是视频图像的拼接技术应运而生并被广泛地应用在实景地图、虚拟现实和遥感勘测等领域中。目前,静态图像拼接技术的相关理论知识已经有了较为深入的研究,使用静态图像拼接技术是研究动态视频图像拼接的一个切入点。本文先从图像拼接的基本流程入手,对图像拼接技术的研究背景、发展现状进行概要综述,重点研究和阐述了图像拼接的两个核心要素：图像配准和图像融合。然后通过对图像配准技术的详尽探讨,选定基于特征的图像配准方法作为本文的研究内容,继而选择SIFT特征作为图像配准中需要提取的特征。在图像融合方面,对多种融合方法进行比较分析,确定了渐入渐出法作为图像配准后的融合方法。通过对图像SIFT特征提取、特征匹配方面的重点研究,针对SIFT算子会产生大量不稳定的边缘点,从而导致SIFT算法在匹配过程中运算时间过长,本文提出了一种结合Canny边缘检测算子和K-L变换对SIFT特征提取方面进行改进的算法,改进的算法可以有效地减少原SIFT算法提取到的特征点数量,降低匹配时间和错误配对数,提高图像的正确匹配率,最后对两幅图像进行配准的实验结果证明了本文提出的改进算法的有效性。根据Canny边缘检测和K-L变换改进的SIFT匹配算法和渐入渐出的融合方法,提出了一种基于改进SIFT算法的图像拼接算法,针对摄像设备采集到的静态图像和动态视频图像,使用本文改进后的算法,首先完成了对静态图像的拼接；然后完成了对两个动态视频图像帧之间的拼接,并依据帧与帧之间的拼接结果成功地进行了视频的拼接。实验结果表明本文提出的视频图像拼接算法在提高静态图像以及视频图像的拼接质量方面有着较为优良的表现,并能消除图像在拼接阶段产生的缝隙和光照问题,实现了静态图像以及视频图像的拼接。