本文是基于国家自然科学基金面上项目(大尺度多目标坐标测量中关键技术研究)展开的研究。该项目是立足于现有CCD性能的基础上,来检测大尺度物体(直径1米以上的物体)的二维或三维坐标。目前普通的CCD在保证高分辨率的条件下,其检测的视场小,难以检测直径为1米以上的物体。如扩大CCD的视场,则其分辨率降低,难以达到坐标的检测要求。目前的普通CCD只能得到物体的局部图像,而得到物体的全景图像设备(全景相机、广角镜头等)一般比较昂贵,难以普遍采用。因此为了解决CCD视场小难以检测大尺度物体的问题,本文提出利用多CCD或单CCD多次拍摄的图像,然后利用图像间的冗余信息把拍摄的图像拼接融合起来,从而提高CCD的检测范围。而用普通的图像拼接方法,其精度难以达到实验要求。因此,研究并提出一种精确而快速的图像拼接算法具有十分重要的现实意义。它是突破CCD硬件局限的一个关键技术,具有较广的运用前景。本人在总结了前人的图像拼接技术的理论和研究成果的基础上,重点对基于频域的F-M法和基于特征的一点一线法的图像拼接技术进行了深入地研究,分析和总结了这两种图像拼接方法的特点、性能以及存在的问题。在归纳和总结这两种方法各自的优缺点的基础上,提出将两种方法进行融合的一种新的图像拼接技术。该方法就是利用Fourier-Mellin法位移检测精度高的优点和一点一线法对小角度检测误差小的长处,进行优势互补的一种技术。通过实验分析对比,本文的算法提高了图像拼接精度,并具有较强的鲁棒性。针对影响图像拼接精度的噪声和畸变,提出在图像拼接前对待拼接的图像进行几何畸变校正和滤波处理,这样就使噪音和几何畸变对图像拼接精度的干扰减到最小。在整个图像拼接的过程中,除了对算法进行改进之外,也对图像融合的各种方法进行了介绍。通过对拼接合成图的误差分析,得出该算法拼接精度高,并能够很好解决实际应用中的拼接问题,因此具有较好的实用价值。