图像拼接(Image mosaic)是基于图像绘制领域(IBR)的重要研究课题,也是计算机图形学、计算机视觉以及图像处理和虚拟现实等领域的热门研究方向。它可以将两幅或多幅具有重叠区域的序列图片拼接成具有超宽视角、高分辨率的全景图像,解决图像分辨率与场景大小之间的矛盾问题,广泛应用在遥感技术、医学图像处理、军事和视频压缩、传输等众多领域中。基于特征点的图像拼接方法在稳定性和适应性方面有着显著的优势,它不仅可以拼接重合度低的图片,同样适用于运动场景及含有遮挡情况的图像拼接。本文以特征点匹配为主线,重点研究了对图像旋转、尺度和噪声变化有良好鲁棒性的SIFT特征匹配算法,进而提出了一种基于仿射变换配准模型的稳健特征点拼接算法。本文的主要贡献包括对SIFT误匹配的改进以及用最小二乘方法对配准仿射变换模型进行提纯。在特征搜索方面,针对K-D树不适用于高维特征搜索的不足,采用BBF改进搜索算法提高了算法效率；针对误匹配现象,采用基于极几何约束的RANSAC策略去除外点；并结合双向匹配和几何约束关系对误匹配现象进行分析；另外,将迭代松弛算法应用在SIFT匹配研究中,对概率松弛匹配给出了实验性的结果。在此基础上,对仿射变换模型进行奇异值分解求解变换参数,提高图像配准的精度。本文采用加权平均方法消除拼接图像缝隙。实验证明,本文采用的拼接算法可以较好的消除拼接痕迹,得到良好的拼接效果。