随着应用需求的增多，图像拼接技术逐渐成为虚拟现实技术、计算机视觉、计算机图形学以及视频处理等领域的一个重要研究课题。本文从配准和融合两点关键技术出发，对全景图拼接技术进行了系统的阐述，同时在现有算法的基础上进行了部分改进。在图像配准方面，本文以具有较好性能的尺度不变特征(Scale-invariant featuretransform, SIFT)检测算法为参考，详细阐述了加速鲁棒特征（(Speeded Up RobustFeatures，SURF)检测算法在对应处的改进原理。为了提高特征匹配的精度，本文在现有的基于KD树的最近邻匹配算法的基础上，提出利用特征点的对称性快速剔除掉绝大多数的误匹配对，然后再利用传统的随机抽样验证(Random Sample Consensusalgorithm，RANSAC）算法进一步提纯内点，计算图像的变换参数。在图像融合方面，本文采用多分辨率样条技术实现重叠区的平滑过渡，同时结合基于图切割的缝合线搜索技术消除运动物体造成的拼接图像的鬼影问题。本文还对利用像素差值强度计算图切割中有向图的权值的方法进行了改进。通过综合考虑像素差值强度和图像梯度信息，使改进权值计算方法后的图切割结果更加合理。另外，针对输入图像曝光差异较大时造成的拼接图颜色过渡不自然的现象本文采用了融合前的基于块校正的曝光补偿来解决。根据本文描述的算法对图像数据进行了拼接实验，实验数据证实了本文算法的可行性和改进的合理性。