图像拼接技术在构建虚拟场景、遥感数据分析、医学影像处理、全景图像合成等领域中得到了广泛的应用，国内外对其的研究与探讨十分活跃。目前，基于特征点的特征检测都是在线性尺度空间下进行的，容易丢失细节内容而造成图像模糊。利用经验因子扩散滤波来构建非线性尺度空间，进行特征检测与描述却鲜有研究。在匹配过程中，经典RANSAC法容易受到误配点影响，导致配准结果不稳健。本文在分析现有图像拼接技术优点与不足的基础上,深入研究了基于点特征的拼接关键技术。开展的研究工作主要有：1）深入探讨了SIFT、SURF、KAZE三种算法的原理与流程，针对构建尺度空间时细节丢失的问题，采用拟合的扩散因子改进传导函数，利用该传导函数结合加性算子分裂算法进行非线性扩散滤波，构造非线性的尺度空间，并对特征点进行了定位和描述。通过实验验证了改进的传导函数的优越性，比较了三种算法在不同应用环境的性能，给出了算法各自的适用场合。2）采用BBF算法和欧氏距离对描述过的特征点进行快速搜索得到粗匹配点，针对因外点而导致的效率低下问题，提出一种改进的相邻概率RANSAC方法，实验证明该方法是一种稳健的特征匹配策略，能有效去除误配点，保证匹配的稳健性与成功率。在筛选过的匹配点上进行图像变换，并估计变换数学模型参数，准确地定位出了重叠区域。3）深入探讨了几种图像融合算法的优点与不足，针对拼接线消除的问题，采用线性权重法实现融合。从实验结果来看，较好地消除了拼接图像中的拼接接缝问题。4）以Matlab为平台进行仿真实验，对比了SIFT、SURF、KAZE各项性能。利用提出的相邻概率RANSAC算法能很好地保证匹配结果的正确性与成功率。