广角镜头具有比普通镜头更宽的视场,可以在一幅图像中包含更多的信息量,视频监测、交通控制、医疗应用、智慧城市等众多计算机视觉领域都迫切需要使用大视场图像,但作为宽视场的代价,图像中存在严重的畸变问题。为了避免这些畸变对图像视觉及后续处理的影响,需要对图像进行畸变校正。目前已提出了很多图像校正的算法,但仍然存在计算复杂或通用性不强的问题。广角镜头虽然能解决一些视场范围的问题,但也存在分辨率的矛盾,运用图像拼接技术可以很好的解决这个矛盾。但是,由于应用场合的复杂性,产生了大量不同的拼接算法,也导致算法的实时性或准确性等问题。本文主要研究大视场广角镜头的桶形畸变校正和基于特征点的图像拼接问题,开展了以下方面的研究工作：(1)针对半球面模型算法校正准确度低的问题,提出一种改进的半球面校正模型和算法,以便更准确同时简便的实现校正。分析了一些经典校正算法各自适用的场景和优缺点,确定了基于参数的校正方法实现广角镜头畸变校正的算法思路,提出了改进的半球面校正模型和算法。该算法-是通过引入畸变率的概念,进行反向映射避免“空洞”现象的发生,达到更加理想的效果；二是在以球面与中心面的距离为变焦距的基础上增加了一个随r2变化的参数d,用于降低半球形模型所带来的成像高度的误差。实验结果表明,改进后的校正算法比传统的半球面算法精确度更高,且保持了算法的运算速度。因为算法只使用镜头的焦距作为参数,因此有着很好的通用性。(2)针对经典的Harris算法只是依靠经验选取参数值及不能很好检测出T、X等类型的角点的问题,提出改进的Harris角点提取算法。改进算法的思路是：首先通过对梯度取对数值降低边缘响应对角点附近候选点兴趣值的影响,使之能更精确的定位角点的位置；然后利用标准差数据的统计特性,重新定义算法的兴趣值函数,消除了对兴趣值计算中的参数的经验取值的确定,降低了对算法的主观影响,使定位比较精确。实验结果分析表明,该算法能有效检测出各种类型的角点,具有比Harris算法更高的复现率。(3)在改进的Harris角点提取算法基础上,设计实现点特征匹配算法。该算法使用归一化互相关算法(NCC)进行第一步的粗匹配,除去大量不必要的特征点匹配计算；然后使用随机抽样一致性算法(即RANSAC算法),对第一步的匹配结果进行精匹配,消除其中存在的误匹配,计算出图像的变换矩阵及其参数。对于待拼接图像使用加权平均融合算法完成图像拼接,实验结果分析表明,该拼接算法生成一幅无缝的宽视场图像。本文改进了原有图像畸变校正算法和图像拼接算法,为计算机机视觉领域的大视场镜头的畸变校正和图像拼接问题提供了新的思路和方法,对相关的研究和应用具有可借鉴作用,具有科学意义和研究价值。