目标识别和图像拼接是计算视觉中二个重要课题，在军事、医学、宽视角的高分辨率图像拼接、航空图像处理等多方面均有广泛应用。基于特征点的目标识别和图像拼接具有直观、匹配性好、易于从图像本身获取等优点。本文采用基于SIFT(ScaleInvariant.FeatureTransiform)方法提取关键点进行目标识别和图像拼接，这些关键点对旋转、尺度缩放、亮度变化保持不变，对视角变化、仿射变换、噪声也保持一定程度的稳定性，具有良好的特性。 本文共分为七章，主要内容如下： 第一章，介绍了目标识别、图像拼接和特征点提取的国内外研究现状，提出了本文的研究内容和方法。 第二章，介绍了基于SIFT的关键点提取方法。首先对图像进行Gaussian滤波，建立DOG金字塔，然后进行极值检测，再对极值点进行筛选，得到关键点，最后对关键点进行描述。 第三章，介绍了基于极线约束的极值点匹配方法，并对其中的Harris角点检测、基于亚像素提取的何Harris角点检测、基础矩阵的二种求解方法等内容进行了分析，最后给出了相应的实验结果和分析。 第四章，提出了基于主成分分析的PCA-SIFT方法，对描述关键点的128维向量进行了降维，从而得到了更为简洁的关键点描述子。 第五章，介绍了基于SIFT关键点的目标识别。在得到模型和待识别图像的关键点后，利用最近邻准则进行匹配；接着用Hough变换找到位姿空间聚类的关键点，最后求出仿射矩阵参数。 第六章，介绍了如何利用关键点进行图像拼接的原理，分析建立了概率模型，对采用捆绑调整进行多个图像拼接的方法。 第七章，对本文的方法进行了总结，并对未来的工作进行了展望。