随着计算机视觉技术的飞速发展,图像拼接算法已经逐步应用到我们生活的方方面面,地图软件,游乐场馆,医疗科技,安防领域等都可以看到拼接算法的技术应用。但复杂场景的拼接,相机的随机运动,以及各种原因产生的伪影问题,一直是图像拼接算法研究的难点,本文针对以上问题,分别从图像拼接的配准与合成两个步骤进行改进,主要研究内容与创新点如下:（1）针对单应类的投影参数会导致透视畸变,不利于多图拼接;球面投影类映射算法,对相机的运动方式要求比较严格;以网格作为配准单元的算法,忽视了图像内场景的内容等问题,本文提出了基于超像素单元的多图配准算法,以超像素为配准单元,先根据随机抽样一致性（Random Sample Consensus,RANSAC）得到的内点求解每个超像素单元的局部映射矩阵,然后再利用RANSAC筛选单平面的点,求解每张输入图像的全局相似变换,并构造了每张图自适应的非线性变换函数,使得超像素的局部单应矩阵与相似变换之间很好的过渡组合,最后选定基准图像,让每张图像相对于基准图像作运动变换,最终得到预配准的结果。能够对相机的平移运动,旋转运动,以及更为复杂的运动进行较好的预配准。（2）针对配准可能产生的小伪影,改进了动态规划的缝合线算法,提出了基于贪婪搜索的小伪影去除算法,建立重叠区域的端点之间的路径搜索模型,并结合伽马变换,改进了距离变换步骤,得到方向矩阵Dmatrix,然后结合经典的代价函数,生成了代价矩阵Ematrix,最后给出了缝合线的贪婪搜索步骤。使用该算法与传统动态规划算法进行对比,能够有效去除小伪影,效果好于传统算法。（3）针对配准可能产生的大伪影,改进了传统的图割优化缝合线算法,提出了基于超像素的大伪影去除算法,以超像素为单位,考虑超像素的颜色差异,构建了六层颜色模型,求得色差代价函数,考虑超像素的结构差异,求得每个超像素的梯度方向直方图,构建结构代价函数,引入超像素熵的代价函数,来作为调节颜色与结构之间的系数,最终,构建新的目标能量函数,将每个超像素块视为图的节点,建立图模型,使用最大流算法进行求解,得到缝合线。与传统图割算法进行对比,能够有效去除大区域伪影,效果好于传统算法。综上,本文给出了基于超像素的无伪影多图拼接算法的处理流程,并选择多个场景的图像进行拼接实验,与其他算法进行对比,验证了我们算法在不同场景下的处理伪影的效果优于其他算法。