计算机视觉就是通过用计算机模拟人眼的视觉功能，从图片中提取信息，从而对客观世界的三维景物和物体形态进行形态和运动识别。本文所研究的内容就是计算机视觉领域当中的一个重要分支，也是基于图像绘制方法中一项重要的技术，即图像拼接技术。图像拼接技术是将同一传感器在不同时间或者不同传感器在同一时间拍摄到的具有相互重叠区域的一组图像拼接成一幅高清晰、宽视角的大幅图像。随着图像拼接技术的不断发展，其在计算机视觉、虚拟现实技术、医学、气象、地质勘测、视频压缩和传输等领域都得到了广泛应用。图像配准和图像融合是图像拼接中最重要也是最主要的两个过程。一、对于图像配准的部分，本课题主要是采用基于图像特征的图像配准方法，采用的特征提取方法是基于改进的SIFT特征算子进行图像的特征点提取，主要是对SIFT特征描述符进行了改进，降低了特征维数，再用RANSAC算法提纯特征点，实现图像的精确匹配。二、本课题把本文的算法和普通的基于SIFT特征的图像配准一个对比实验，对图像进行一系列变换，通过数据分析得出，本文算法在配准时间和配准精度都得到了提高。三、图像配准完成之后，但是一般来说经过配准后的图像会有明显的色彩拼缝，为了使拼接图像光滑无缝、浑然一体，我们需要对配准后的图像进行图像融合。本文采用的是基于Contourlet变换和Teager能量相结合的一种方法，首先用Contourlet变换对图像进行分解，对低频分量直接采用加权平均融合法。对于高频分量的行系数和列系数进行Teager能量计算，根据计算后的结果各自采用不同的融合规则，最后实现图像的融合。四、本文通过与用小波变换的图像融合进行对比实验，选取一定评价标准进行定量的分析，实验结果可以表明这种算法与小波分解算法相比，不仅可以保存原始图像的边缘和纹理信息，还可以取得良好的融合视觉效果。实验结果表明该系统是切实可行的，并且精确地实现了图像拼接，而且具有良好的鲁棒性，而且能实现复杂环境下的图像拼接。