图像配准技术作为机器视觉方向的重要研究领域，在虚拟现实、国防安全和遥感等方面都有着广泛的应用。随着应用的深入，拼接时对特征提取方式、配准精度和耗时的要求也越来越高。本文主要对基于特征的图像拼接技术做了研究和讨论，分为以下四部分。（1）系统的介绍了基于特征的图像拼接过程中关键技术，包括特征点的提取及描述子生成、特征点的匹配、变换矩阵的计算和图像融合四方面内容。配准部分通过比较RANSAC和LMedS的计算原理和对试验数据的拟合过程，得出内点概率在50%以上时LMedS能更好剔除误匹配点的结论。（2）针对Harris角点不具备尺度不变性的缺点，提出一种自动调整图像尺寸的拼接方法。该算法首先借助于相位相关的计算得出图像间的变换参数，之后自动将图像缩放到同一尺度级。该算法兼容了Harris简单高速的特点，同时，使待拼接图像间存在的缩放关系从原来的1.8倍扩大到4.5倍，并能得到精准清晰的拼接结果。（3）现有特征提取算法多耗时较长，故对快速二进制描述子ORB的提取及生成过程做了详细研究。ORB为FAST添加了主方向并限制描述子方差在0.5附近分布，大大降低了特征相关性，因此具备旋转不变性和强的抗噪能力。通过一系列的实验验证了基于ORB的图像配准速度是SIFT的两个数量级、SURF的一个数量级的结论，最后对它进行改进使之具备尺度不变性。（4）提出一种人机交互的半自动拼接方式，主要适用于图像中存在较大的平面落差的场景拼接。首先通过对平面的人工划分将图像分为两个或更多ROI区域，之后在对应的图像区域进行特征提取及配准。其优点在于充分利用图像自带信息，不同区域之间可以并行处理，大幅度的减少耗时。试验中采用SIFT作为描述子进行拼接，在得到类似拼接效果的同时，其耗时比常规算法快出6至10倍，从而验证了其有效性。