图像拼接(image mosaic)是一个日益流行的研究领域,图像拼接被广泛应用于计算机视觉、图像处理、计算机图形学、医学图像分析及虚拟现实等领域。　　 图像拼接技术是将一组相互间重叠部分的图像序列进行空间匹配对准,经重采样合成后形成一幅包含各图像序列信息的宽视角场景的、完整的、高清晰的新图像的技术。图像拼接在摄影测量学、计算机视觉、遥感图像处理、医学图像分析、计算机图形学等领域有着广泛的应用价值。一般来说,图像拼接的过程由图像获取,图像配准,图像合成三步骤组成,其中图像配准是整个图像拼接的基础。　　 本文研究图像融合的基础图像配准技术,阐述了图像拼接技术的一般步骤和基本方法。在基于特征的配准算法的基础上,提出一种稳健的基于特征点的配准算法。首先采用Harris角点检测算法,有效提高所提取特征点的速度和精度。然后利用相似测度NCC(normalized cross correlation——归一化互相关),通过用双向最大相关系数匹配的方法提取出初始特征点对,用随机采样法RANSAC(Random Sample Consensus)剔除伪特征点对,实现特征点对的精确匹配。最后用正确的特征点匹配对实现图像的配准和图像融合。本文提出的算法适应性较强,在重复性纹理、旋转角度比较大等较难自动匹配场合下仍可以准确实现图像配准。