图像拼接(image mosaic)技术是将一组相互间重叠部分的图像序列进行空间匹配对准,经重采样合成后形成一幅包含各图像序列信息的宽视角场景的、完整的、高清晰的新图像的技术。图像拼接在摄影测量学、计算机视觉、遥感图像处理、医学图像分析、计算机图形学等领域有着广泛的应用价值。一般来说,图像拼接的过程由图像获取,图像配准,图像合成三步骤组成,其中图像配准是整个图像拼接的基础。本文研究了两种图像配准算法:基于特征和基于变换域的图像配准算法。在基于特征的配准算法的基础上,提出一种稳健的基于特征点的配准算法。首先改进Harris角点检测算法,有效提高所提取特征点的速度和精度。然后利用相似测度NCC(normalized cross correlation——归一化互相关),通过用双向最大相关系数匹配的方法提取出初始特征点对,用随机采样法RANSAC(Random Sample Consensus)剔除伪特征点对,实现特征点对的精确匹配。最后用正确的特征点匹配对实现图像的配准。本文提出的算法适应性较强,在重复性纹理、旋转角度比较大等较难自动匹配场合下仍可以准确实现图像配准,实验证明该算法在配准方面具有良好的效果,算法准确率高,鲁棒性强,具有较高的使用价值。基于变换域的算法是图像配准常使用的算法,它思路简单、具有一定程度的抵抗噪声,但很难处理镜头存在旋转和缩放的情况,同时搜索整个图像空间,计算代价高昂。本文研究了基于傅氏变换的图像配准方法,引入的极坐标变换方法可以将旋转角度、比例缩放因子转换为平移的形式,大大减少了计算量。实验结果表明了此方法的可行性和有效性。如果没有拼合处理,那么我们得到的拼接图像将会有明显的缝隙,所以必须寻找一个良好的合成算法以消除这种缝隙。本文提出了一种改进的渐入渐出的拼合算法对配准后图像合成,得到无缝的拼接图像,取得了满意的拼接效果。