图像拼接是一种将多幅有重叠部分的图像拼成一幅广角的无缝高分辨率图的技术。在计算机视觉、视频监控、遥感等研究领域中,需要解决的关键问题是如何在不降低图像分辨率的前提下获取大视野范围的场景图像。在实际应用中,使用普通相机拍摄全景图像是通过调节相机焦距实现的,但是这会导致全景图像分辨率较低,而图像拼接技术正是解决该问题的有效方法。本文主要研究运用特征点匹配的快速图像拼接算法,该算法在计算机视觉领域具有较高的用价值和应用前景。本文首先对图像进行预处理;然后,采用Harris特征点提取的方法,对待拼接图像进行了特征点的提取;利用基于灰度互相关的方法对图像进行初匹配;其次,本文提出的基于欧氏距离的聚类预筛选算法,主要依据匹配点对之间的欧氏距离相同或相近这一特点,通过简单聚类的方法筛选出包含欧氏距离值点最多的邻域,则可认为该邻域内的距离值是匹配点对;反之,则作为是不匹配点对从候选匹配点对集中剔除;并运用RANSAC算法对匹配点集进行精确匹配。最后在此基础上,本文提出的另一算法即基于LM加权融合与拉普拉斯金字塔相结合的图像融合算法,其主要思想是利用LM加权融合算法对图像进行初步融合,再采用拉普拉斯金字塔的图像融合算法进行图像融合,以实现图像的无缝平滑拼接。论文从理论分析和实验结果两方面对图像匹配及图像融合算法进行了较深入的研究,实验证明本文改进算法在保证匹配点数基本不变的情况下,RANSAC算法的迭代次数以及执行时间减少了85%以上,在保证算法匹配准确率的前提下大大提高了匹配算法的效率。另外,本文提出的LM加权融合算法与拉普拉斯金字塔结合的融合算法,有效的消除了拼接缝及亮度突变现象,从而实现对拼接图像的无缝平滑拼接。