视觉是人类获取世界信息的重要方式,而图像则是视觉信息的一个主要呈现渠道。随着信息化时代的到来,人们对图像获取信息的需求也越来越高。然而目前单一硬件设备采集图像的能力是有限的,如何通过数字图像处理等技术手段用最低成本获得最高质量的图像成为研究的一个热点方向。图像拼接技术就是在这样一个背景下发展起来。通过合理拼接的方式,人们可以获得比广角镜头更高分辨率的图像且成本更低。图像拼接技术主要可以分成三个部分:图像预处理、图像匹配和图像融合。本文介绍了图像拼接的相关理论与核心算法,对图像拼接的三个组成部分进行了研究,并以SURF(Speeded Up Robust Feature快速鲁棒特征)为特征点提取核心算法,根据原有算法的一些不足提出了改进方案,所做的主要工作如下:1.在图像拼接中,对于存在对比度差异较大的待拼接图像采用SURF算法,往往无法得到令人满意的拼接效果。针对图像预处理,通过增强待拼接图像,本文提出一种基于直方图均衡化的图像拼接新方法。该方法在图像增强的基础上采用SURF算法得到特征点,并用KNN(K Nearest Neighbors K近邻)算法和双向匹配法进行匹配。并进一步用RANSAC(Random Sample Consensus随机抽样一致性)算法剔除误配点,用LM(Levenberg–Marquardt)算法生成图像的变换模型。实验结果表明,本文方法能够实现对比度差异大的图像的拼接,克服了现有方法无法拼接对比度差异大的图像的缺点。2.从匹配精度来说特征提取算法SURF已经达到了亚像素的级别,从匹配时间上来说SURF算法较之SIFT(Scale-invariant Feature Transform尺度不变特征变换)算法已经缩短,但在整个图像拼接过程中,特征点提取这一部分仍然是最消耗时间的。据此,针对匹配算法,本文提出一种基于重叠区域的SURF特征检测算法,考虑图像拼接的特殊性,忽略图像的旋转,通过确定相邻拼接图像之间的重叠区域,只提取重叠区域的图像的特征点,并用这些特征点进行匹配与生成图像变换模型。实验结果表明,本文方法在保持原算法鲁棒性的同时大大缩短了提取特征点与变化模型生成的时间。3.图像融合的目的是能让离散的图像拼合后在视觉上仍然是一幅完整的图像,并且让我们看不出有拼接的痕迹。对于存在运动目标的待拼接图像,利用线性加权进行融合,往往会在得到的融合图上出现鬼影现象。针对图像融合,本文在线性加权法的缺点上提出一种四段线性融合法,对于存在运动目标的待拼接图像,能在一定程度上消除最终融合图上的鬼影。4.本文在最后利用之前得到的图像拼接的几种核心算法实现了柱面全景图的拼接,并分析了本文提出的改进算法在柱面全景图的应用中带来的拼接效率改进。根据柱面全景图中出现的图像弯曲偏移现象,提出一种变斜率修正方法,能在一定程度上修正图像的弯曲与偏移,并利用一种简化的亮度纠正方法得到亮度更为均匀的全景图。