作为数字图像处理的一个分支领域,图像拼接技术(Image Stitching)逐渐成为其中的重要研究课题之一。尤其在近二三十年,随着计算机视觉技术和计算机图形学的发展,图像拼接技术越发成熟,并广泛应用在各个领域。图像拼接就是将几幅背景相似,且有共同影像邻接的图像通过一系列的处理拼接成一幅全景图像,以此来达到以往只有全景摄像机才能够呈现的效果。一般来说,主流的图像拼接技术主要分为两种:基于特征提取的图像拼接和缝合线的图像拼接。近几年来,由于各种图像融合或拼接方法本身越发成熟,研究者开始将部分研究重点放在对特征的寻找、提取和匹配上。其中,以旋转尺度不变性(SIFT)为主的检测方法由于其速度快、优化好等特点得到了广泛应用。但由于其特征参数复杂且特征点多,因而在实时性上没有优势。为了解决这个问题,本文首先对常见的几种特征检测的方法进行了仿真,并通过实验分析了造成SIFT算法实时性不佳的原因,得出了基于SIFT的图像拼接算法的运行时间主要花费在SIFT特征检测上这一结论,并基于这一结论,在原有的SIFT算法上做了一些改动。具体方法是高斯-拉普拉斯差分的基础上,对每一次滤波采样的程度做了一定的调整,即在高斯差分的基础上,对每一层每一级的数量进行削减。这样做可以减少提取出来的冗余的特征点。并通过差分图像说明了这一方法的可行性。经过试验证实,使用这种方法后的SIFT特征提取,可以在适当减少特征点数量的情况下,保证拼接的效果,有效地缩短特征检测的时间,让算法在实时性上得到了一定幅度的提升。同时,本文在对于拉普拉斯金字塔的图像融合进行了一定的改进,在原有的缝合线拼接的基础上,把原来在每一层的重叠区域都寻找最佳缝合线的方法,改成把在高一层中得到的拼接线作为后一层缝合线搜索的定义域,从而缩小了缝合线搜索的范围,这不仅在一定程度上节省了运算时间,还能得到合理的缝合线。另外,本文利用泊松融合技术改进了图像拼接效果。本文的思路是针对缝合线产生的不同的拼接缝情况进行分类处理,一种情况是对于全局缝合线痕迹明显的图像,使用了泊松图像融合方法对图像进行了优化处理,从而有效的消除了全局图像的拼接线痕迹。另一种情况是对于存在局部异物的图像,在传统缝合线搜索策略的基础上,对异物的区域进行了强制防护,从而有效的避开了异物,避免了缝合线穿过异物所造成的拼接痕迹。通过这些措施,本文的方法改进了拼接图像的效果。