根据传统的光学理论，大视场和高分辨率之间存在着相互制约的关系。采用微相机阵列成像系统设计是解决这一问题的有效手段之一。通过多个高分辨率探测器采集图像，利用它们之间的重叠区域，根据特定的图像拼接算法可以得到一幅完整的大视场高分辨率图像。图像拼接算法影响着最终的成像质量。　　图像拼接算法主要包含三个步骤:图像预处理、图像配准和图像融合。在图像预处理中，利用几何校正去除由传感器不同视角带来的几何畸变，利用滤波算法对图像中的噪声进行平滑。经过对图像的预处理可以提高图像拼接的准确性。图像配准是寻找待处理图像在空间中的变换关系的过程，通过寻找特征空间、相似性度量、搜索空间和搜索策略完成。图像融合的目的是消除配准所得结果图像中的拼接，使其真正成为一幅图像。　　作为图像拼接算法中的核心部分，图像配准算法的选取在很大程度上决定了最终拼接结果的质量。SIFT算法凭借其具有旋转和尺度不变性，对各类常见的成像条件改变有良好的鲁棒性，成为目前最常用图像配准算法之一，但是由于其较长的计算时间与较大的存储空间消耗，在大规模拼接和实时成像系统的使用受到限制。为了解决这一问题，近年来提出了一些基于二进制描述符的图像匹配算法。这些算法利用二进制字符串对特征点进行描述，相比于传统算法的高维矢量，大幅减少了存储空间，提高了计算速度。对于一些对速度要求大于精度的应用场合有良好的效果。由于微相机阵列产生的数据量大，本文设计了一种结合SURF和BRISK的图像拼接算法，在保证匹配精度的情况下，可以提高匹配速度，降低存储空间消耗。　　根据光学系统设计要求，本文设计的基于微相机阵列的图像拼接系统采用CMV4000图像传感器，其分辨率达到2048×2048。设计硬件驱动电路，利用Xilinx公司VITREXⅡ系列XQR2V3000型FPGA，将传感器采集信号在进过串并转换之后，输出至后端信息处理电路。　　通过成像试验验证，本文算法取得了良好的效果，对实际工程有一定的指导作用。