图像拼接技术是计算机视觉中的一个很重要的研究热点，已经被广泛地应用于医学图像处理、视频检测、遥感、视频压缩与检索、3D虚拟场景构建等领域。　　本文对基于特征的图像配准拼接技术和图像融合分别进行了以下研究:　　1.图像配准方法:介绍了几种常见的图像配准方法，详细介绍了角点检测方法中的基于图像边缘的方法和基于Harris的角点检测。　　2.基于SIFT图像特征点的图像配准。针对基于角点检测的方法抗噪声性能较差，且不具有良好的不变性，采用了基于SIFT图像特征点的图像匹配。该算法先提取SIFT特征点，利用最近邻搜索算法进行特征点匹配，并结合RANSAC算法剔除误匹配点。实验结果表明SIFT特征点具有较好的平移不变性、旋转不变性、且相较于Harris角点有很好的抗噪性等较好性能。实验结果还表明对同一图像提取的SIFT特征点要远多于Harris角点，因此采用SIFT算法可以实现精确配准。　　3.基于SURF图像特征点的快速匹配。SIFT算法虽然能提取较多的特征点，但同时算法的计算量大、耗时长，针对这一缺点本文提出了一种基于SURF的快速特征点匹配算法。首先对图像采用SURF算法提取特征点，然后通过Haar小波变换确定特征点的主方向和特征点描述子，使用优化的最近邻搜索算法进行特征点匹配，最后根据实际需要选取相似度最高的前n对匹配点进行对比实验。实验结果表明，该算法速度快、鲁棒性强、匹配准确性高，具有较大的应用价值。　　4.图像拼接技术:介绍了三种灰度插值算法，完成变换模型参数的计算，实现了图像的拼接。介绍分析了三种图像融合算法:加权平均法、塔式分解图像融合和小波融合。图像塔形分解后各层数据之间的关联性很大，是一种冗余分解，而且不具有方向性。而小波分解具有方向性，分解的各层也是独立的，是非冗余分解，因此采用小波变换进行图像融合，可以得到视觉效果更佳的融合图像。