影像拼接是指将一系列具有重叠区域的图像组合成一幅无缝且大视角的图像,是计算机图形学中的一个重要分支。由于硬件条件的限制,相机无法适应大视角和高分辨率场景,而影像拼接技术能够解决该问题。因此,该技术在国防军事、安防监控、医学影像等诸多方面已经有了非常广泛的应用。本文针对影像拼接中的核心技术——图像配准和图像融合算法中所存在的问题进行改进,主要研究工作如下:(1)提出一种基于行列式点过程(DPP)的改进RANSAC算法,利用DPP的采样特性,将其应用在图像配准中。DPP可以对RANSAC算法的初始点选取进行条件约束,使得被选择的初始点分布均匀,具有全局性。针对RANSAC算法没有迭代上限的缺点,利用k-DPP自动判断迭代次数,从而节约了计算资源。改进后的RANSAC算法在去除误匹配特征点中效果显著。(2)在基于m-DLT的逼近投影变换的图像配准基础上,提出一种多单应性矩阵的特征匹配检测算法。该算法能够最大程度地提取两幅待拼接图像中的正确匹配点,并在重叠区域利用多个局部单应性坐标变换模型进行图像配准,保证了局部区域中的精确配准,减少了模糊和错位现象。同时,结合(1)中本文提出的改进RANSAC算法后,对大视差图像的拼接有更好的鲁棒性。(3)提出了一种改进的非线性融合方法。首先对简单的图像拼接进行分类;其次,利用投影变形后图像顶点坐标的位置关系对图像拼接类型进行判断;最后设计了一种改进的非线性融合算法。所提方法能够对图像拼接类型进行快速判断,且设计的非线性融合算法能够消除重叠区域四个边界方向的拼接缝隙,使得最终融合后的图像亮度在重叠区域中实现平滑过渡。