图像拼接技术在日常生活中有非常高的实用价值。在城市安保,医疗健康,军事等领域有着广泛的应用。图像拼接的目标是把多幅有重叠区域的图像拼接成一幅全景图像,并且希望拼接结果尽可能自然,尽可能消除视差带来的重影问题,尽可能提高算法运行的效率。这也是拼接领域研究的重点。图像拼接技术包含两个核心模块:图像配准和图像对齐。图像配准模块使用SURF算法提取图像的特征,并对两幅图像的特征点进行匹配。使用优化后的RANSAC算法提高细匹配的效率;为了增加匹配点个数,提出了一种改进的特征匹配算法:对特征点进行基于网格的二次匹配。图像对齐模块需要计算图像的变形模型来对齐图像。为了保证拼接图像尽可能自然,变形模型的计算采用了NISw GSP算法。使用多线程并发优化算法,同时对算法中的参数进行优化,减少参数的个数和计算的复杂度,从而提高运行效率。针对大视差图像拼接结果中的重影问题,在对齐模块中加入接缝估计,对原始图像进行分割,最终利用变形模型对分割后的图像进行对齐。基于Open CV、Eigen、Open MP、Py Max Flow库,对大视差图像拼接技术的配准模块和对齐模块进行测试。实验证明,在配准模块,优化后的RANSAC算法速度更快,改进的特征匹配算法可以得到更多的匹配点;在对齐模块中,优化后的NISw GSP变形算法效率明显提高,加入接缝估计策略之后,大视差图像拼接的重影现象得到了改善。