随着拍摄器材的不断升级,人们获取到的照片清晰度高、图像细节丰富。基于传统的图像拼接技术在处理这类具有高清画质的图像时,往往会检测出大量的特征点,影响了图像拼接的效率。本文主要研究了SIFT与SURF算法,对比了两种算法性能的差异,并选择性能更好的SURF特征算法进行图像拼接。在SURF算法基础上,针对拼接速度比较慢、特征匹配准确率不够高和存在拼接缝进行了改进。本文主要工作可总结在以下几个方面:（1）论证了局部均值滤波预处理的可行性。本文通过实验论证了均值滤波进行图像预处理的可行性以及在降低特征点数目和程序运行时间等方面的影响。证实了可使用模板尺寸为7×7的均值滤波进行预处理。结合待拼接图像具有重叠区域的特点,可将均值滤波限定在局部区域,如何求取面积阈值是一个待解决的问题。面积阈值实验统计了59组图像特征点分布情况,证实了面积阈值为0.6的合理性。通过阈值区域的划分,将均值滤波限定在局部区域,有效降低了算法的运行时间。（2）提出了一种斜率阈值特征匹配算法,提高了特征匹配的准确度。在图像特征匹配阶段,图像经过改进的KNN算法优化特征匹配后,仍然存在部分错误的特征匹配,且较高的匹配错误率会导致RANSAC算法计算更大的时间开销。针对此问题,本文提出了一种改进的特征匹配算法,统计了两幅图像中相应特征匹配对的斜率,并计算得到斜率阈值,对改进的KNN算法初始匹配的特征做进一步筛选。通过实验证实,改进的匹配算法减少了错误匹配,提高了匹配的准确率。（3）改进了距离权重算法,消除了图像融合过程中产生的拼接缝。在图像融合阶段,采用距离权重算法对图像进行融合。针对两张图片的亮度差异,融合后的图像会出现比较明显的拼接缝,本文使用改进的距离权重算法重新对图像区域进行分段处理,基本消除了拼接缝隙。经综合实验比较,改进算法在速度、准确度、图像细节方面均有明显的改善。