高分辨率的宽视野图像或视频在一些领域显得越来越重要,比如摄影测量学中全景视图的构造、全景视频监控系统的实现,特别是虚拟现实技术中虚拟环境的构建等。由于图像拼接技术解决了视野与分辨率的矛盾问题,因而它成为了图像处理领域的一个热点问题。本文首先较详细地介绍了国内外图像拼接技术的研究现状及应用领域。然后介绍了图像拼接技术中的图像配准及图像融合等关键技术,分析和总结了它们的主要方法、性能以及存在的问题。本文重点研究了基于特征点的图像配准和图像拼接技术,并对Harris特征点和SIFT(Scale Invariant Feature Transform)特征点匹配技术进行深入的研究和分析。结合SIFT算法和Harris算法的不足,提出了ISFIT算法,该算法首先利用SIFT检测算法提取SIFT特征点,然后在SIFT特征点的邻域内检测Harris角点来增强特征点的独特性。同时,借助于SIFT特征对于旋转和尺度的不变性以及对于噪声干扰、亮度变化等良好的鲁棒性,解决了Harris特征检测对于尺度变化敏感的问题,使得较大尺度变化下的图像配准成为可能。对SIFT特征点的提取方法的改进,预先去除了部分不稳定的特征点,提高了匹配的速度和正确匹配的概率。实验结果证明该算法对于旋转、尺度变化均具有不变性,对于噪声以及图像亮度变化具有较好的鲁棒性,且匹配速度比改进前提高了近一倍。论文最后讨论了柱面全景图像的拼接技术,并提出一种柱面全景图像拼接的解决方案。