随着计算机视觉的迅速发展,人们对图像和视频的视觉要求越来越高,高分辨率与宽视角的全景图像已经成为了日常拍摄的必需品。全景图像拼接技术可以将采集到的序列图像合成为一幅无缝的全景图,满足人们对视频和图像的视觉要求,其应用前景十分广泛,吸引了众多学者对其深入研究。图像拼接技术分为基于特征和基于区域两种,其中基于特征的图像拼接技术计算量小,实时性高,是当前研究的热点。本文的研究重点为基于特征的图像拼接技术,以提高图像配准的实时性与提高拼接结果的质量为目的。本文改进了传统的全景图像拼接算法,提出了基于分块的双阈值FAST(Features from accelerated segment test)特征点匹配算法,改进了拉普拉斯多分辨率图像融合算法并加入图像校直,提高了拼接的实时性与拼接结果的质量,通过实验验证了算法的高效性与实用性。本文的研究主要内容包括:1.传统的图像拼接算法进行特征点检测与匹配时,是对整个图像,而不是只对图像最相似的两个区域进行特征点的检测与匹配,这样不仅降低了图像配准的实时性,也降低了特征点匹配的精确率。为了提高特征点匹配的精确率与图像配准的实时性,本文提出一种基于分块的双阈值FAST特征点匹配算法,先计算出最相似的区域,再对最相似的区域进行特征点检测与匹配,提高了图像配准的实时性与特征点匹配的鲁棒性。2.针对图像采集过程中,采集的图像因相机拍摄时存在水平或垂直方向上的倾斜抖动,导致拼接结果的倾斜变形。同时,多幅序列图像进行拼接时,因累积误差容易导致全景图的扭曲变形。为了提高全景图的拼接质量,本文提出了基于相机标定的图像校直算法,通过数个坐标轴的转换,最后计算出图像在垂直方向的向量,从而削弱了全景图像的扭曲变形。3.针对两幅图像在重合区域出现运动物体时,导致拼接结果产生伪影及物体不完整的问题,本文提出了基于最大流最小切割的拉普拉斯多分辨率融合算法,在图像重合区域通过权值计算出一条拼接线,让融合结果过渡自然。实验验证,该算法保证了融合效率的同时,提高了融合质量,使得拼接结果连续,消除了存在伪影及物体不完整的情况。