为了获得满足一定分辨率要求的大场景的图像,常常需要将关于场景的多幅序列图像进行拼接,图像拼接算法是实现这一目的的关键技术。该类算法具有很强的实用性,广泛地应用于遥感、医学等领域,尤其在农业应用领域具有广阔的应用前景,对于农业作物的监测、评估有着重要意义。本文主要是针对农作物序列图像的拼接算法进行深入的研究。本文首先介绍了图像拼接算法的研究背景和当前的研究现状,对各类算法的特点进行了比较分析,并介绍了在拼接过程中涉及到的一些关键技术。然后以基于特征匹配的图像拼接算法为研究方向,重点分析了SIFT和SURF特征提取的原理和特点,并在此基础上提出了结合感知哈希重合区域检测的拼接算法,设计了一种重合区域搜索算法,首先对待拼接的相邻序列图像进行重合区检测,确定有效的拼接区域,然后在有效区域内提取特征点及描述子实现配准。实验结果表明,该算法能够显著提高匹配速度和效率,提取稳定准确的特征点,减少误匹配,与现有算法相比有更好的实时性。在图像融合输出方面,针对配准图像可能出现的拼接缝明显、重影、亮度不均衡等问题进行了深入的分析,提出了基于重合区渐变系数融合和基于动态规划的最佳缝合线算法等解决方案,对拼接缝隙进行处理。对于序列图像存在的亮度差异问题,通过建立相邻序列图像的像素分布模型对图像的亮度进行均衡。实验结果表明,本文算法能明显改善融合图像的视觉效果,得到理想的图像输出。