图像拼接就是将同一场景的相互有部分重叠的一系列图片拼接成大幅的、宽视角的、失真小、没有明显缝合线的高分辨图像。图像拼接技术是计算机视觉、图像处理和计算机图形学的研究热点，它能被用来建立大视角的图像，并且在虚拟现实领域、医学图像处理领域、遥感技术领域和军事领域中均有广泛的应用。图像的匹配精度直接决定了图像拼接质量的好坏。目前，基于特征点的图像配准是图形图像领域内的研究重点，因此，研究这一算法技术从各方面讲，都具有重要的理论意义和实用价值。本文主要针对基于特征的立体匹配算法中稳定性很好的算法，即尺度不变特征（Scale Invariant Feature Transform，SIFT）算法进行了改进，不仅加入了图像的彩色信息，并且在特征点选取阶段利用更大的比较范围来得到特征更明显的特征点。同时，在计算变换矩阵前，引入了图像熵的概念，通过图像熵的互信息特征比较，结合改进的样本一致性（Progressive Sample Consensus，PROSAC）算法，进一步约束了特征点的品质，保证了特征点匹配过程中的结果精度，为计算图像变换矩阵打下了坚实的基础。最后，在图像拼接过程中，利用了基于IHS变换的图像融合改进算法，在待拼接图像的亮度信息中加入了权值，从一定程度上解决了由于图像亮度差异引起的拼接线问题，从而得到了令人更为满意的拼接结果。