随着数字图像处理技术以及计算机视觉技术的不断发展,人们对视频图像的质量要求越来越严格,想要获得清晰度更高和视野更广的全景视频图像。而单一成像设备获取的视频图像往往视野较窄,虽然广角镜头或者鱼眼镜头能够获得广视野的视频图像,但是会有畸变现象的发生,分辨率也不高,而且此类镜头的价格往往比较高。因此,研究人员通常采用数字图像处理技术来对视频图像进行拼接处理,即视频拼接技术。该技术通过多路视野范围较小的视频图像拼接得到具有高分辨率的大视野全景视频图像,其在军事领域以及视频监控、医疗成像和虚拟现实等民用领域都有着广泛的应用,因此对视频图像拼接技术进行探索具有重要的研究意义和实用价值。而因为视频图像拼接技术主要包含图像配准和图像融合两个关键步骤,因此本文主要对图像配准与图像融合分别进行了深入的研究。在图像配准中,针对传统SURF算法特征点匹配精度不高的问题,本文研究实现了一种基于双向匹配的改进SURF图像配准算法。首先,在生成特征点描述符阶段,通过将SURF算法原来的特征点方形邻域替换为圆形邻域来降低特征点描述符的维度,从而提高算法的抗旋转性和实时性;然后在特征点匹配阶段引入双向匹配算法来剔除不稳定的特征点匹配点对,从而进一步提升算法的准确性和稳定性。最后通过对比实验验证了本文算法具有相对更好的准确性和实时性,并且在图像对焦模糊、旋转缩放、视角变化和亮度变化等不同情况下依旧保持着良好的鲁棒性。在图像融合中,针对传统最佳缝合线算法在纹理复杂或前景较大场景中应用时也会出现鬼影或图像错位的问题,本文研究实现了一种基于改进最佳缝合线的图像融合算法。传统最佳缝合线算法由于没有对融合后的图像进行评估,易造成能量的增长,从而使得融合后图像质量较差,因此改进算法在原来的能量函数中加入了相似性约束项来减少图像纹理的断裂和鬼影现象等的发生。最后通过设置对比实验从主观评价和客观评价指标两方面全面地对图像拼接结果进行了评价,验证了本文的改进算法具有相对更好的性能优势,拼接得到的图像相对更加自然、完整。在对图像拼接算法进行了改进优化后将其推演到视频图像拼接上,通过视频关键帧选取实现了视频图像的拼接,并且用实验验证了其可取得良好的拼接效果。