图像拼接技术对同一场景不同视点拍摄的一系列具有公共像素区域的图像实现配准与融合以生成一幅结构自然的高分辨率全景图像,在医学影像生成、全景摄影、智能驾驶、农业生产和林业监测上有着充分的应用。同时,图像拼接又是一项极具挑战性的任务,主要的难点可归为由拍摄视点变化导致的视差问题,以及在视点发生较多移动导致的宽基线问题。视差问题多产生匹配伪影,宽基线则由于匹配信息较少难以有效配准或造成非重叠区的形状失真。为了实现更好的配准和更少的失真,在本文中,首先对输入图像基于检测的直线划分共面子区域,通过构建一系列点线不变量对图像间子区域实现匹配,根据适应局部子区域配准的单应性变换提取到具有一致性关联的鲁棒点线匹配结果,并在后续的网格模型中进一步用以对齐优化,实现了精确的配准。后续步骤中,本文方法构建了一个归一化点线特征的直接线性变换模型通过最小化代数误差来求解一个初始的预配准,并进一步对图像划分均匀网格,设计了一个施加先验约束的能量函数用以指导网格变形,具体的约束项包括点线对齐项、直线保护项和失真控制项。在直线保护项中,本文方法对全局直线进行了有效提取,在保护全局直线的同时很好抑制了非重叠区域的失真现象。此外,对于拼接图像的质量衡量,主要的衡量指标有均方根误差（RMSE）和结构相似性指数（SSIM）,然而本文研究发现二者并不能衡量拼接后对直线结构的保护。因此,本文设计了一种更为全面的保护线性结构的衡量指标,主要分为拼接后直线性保持、匹配直线的距离和方向约束等三个层面的考量。在实验测试中,本文方法的平均RMSE误差相比最新的SPW方法少31%。在提出的保护直线结构的指标上,本文方法相比SPW也具有更好的性能。另外,对于本文提出的一致性点线约束和全局直线保护的优势性进行了消融实验验证。在与最近最佳拼接方法的比较中,本文方法在大量数据集上都具有更好的拼接效果。