在国外，2003年，Shmule Peleg，Benny Rousso等人提出了子摄影全景图像融合算法，为图像拼接技术的研究开辟了新领域，大大推动了全景图像拼接技术的发展。主要是改进了Richard Szeliski的全景图像拼接模型的基础上提出的。算法通过选择适合摄像机运动方式的拼接模型，显著提高了图像匹配效率。2004年，Shmule Peleg，Benny Rousso，Alex Rav，Assaf Zomet在Richard Szeliski的基础上做出了新的改进，提出了自适应的图像拼接模型，它是根据相机的不同运动，自适应选择拼接模型，通过把图像分成狭条进行多重投影来完成图像的拼接。这一研究成果无疑推动了图像拼接技术的进一步发展，自适应问题也从此成为图像拼接领域研究的新热点。M.Brown and D.G.lowe发表了Recognizing Panoramas文章，提出了基于尺度效果。SIFT算法最早是由D.G.lowe在1999年提出的，2004年做的完善总结，并在2005年由Mikolajczyk和Schmid用实验证明了SIFT描述子性能最优。具有尺度不变性，是目前图像拼接领域最为流行的算法。2006年10月，Richard Szeliski提出了图像配准的新理论。在图像配准前先对图像进行图像增强，把图像中的特征点的特征变得更明显，提高了匹配的准确度。2007年，Matthew等人对一组无序图片采用概率模型，从而得到正确顺序的图片并检测出其中的噪声图像，实现了自动拼接无序图像。2008年，Addison设计了基于SIFT的图像序列拼接算法，算法通过一个概率模型验证全景图像序列，通过建设图像特征点不变的基础上来实现全自动图像拼接。实验表明：算法在成像质量和拼接速度上都要优于以前算法。英国的Alex Ravacha等人又对大幅场景图像的合成技术进行了深入研究，主要是建立一个能够自适应完成图像拼接的技术模型。在此基础上，为以后采用自适应的方法完成图像的拼接开辟了新的发展道路与方向。2010年7月，Jungpil Shin提出了基于能量谱的技术消除拼接后图像的重影。该技术通过使用人眼更加关注显著特征这一特点，计算图像的灰度梯度的能量谱，还原并放大缝隙处的特征点，然后根据人眼视觉特点消除重影。通过对比表明该方法能够较好的消除拼接后图像间重影。61570

随着国外图像拼接技术研究的兴起，国内学界对其研究也逐渐得到发展。2005年，侯舒维、郭宝龙采用边缘信息闭值法提取基准特征块并采用金字塔式分层搜索方法，改进了以往图像拼接算法的运算速度。2006年，王伟、陆佩忠提出了基于Harris特征点匹配方法。该算法利用最小二乘法进行8个参数的估计论文网，有效地提高了匹配精度。李柏林等人在2008年7月提出了新的图像配准方法。该方法以现有的RANSAC算法为基础，以仿射变换为变换模型，采用二次导向匹配的方法来提取仿射变换矩阵。与LM算法相比，该方法在收敛性方面有所增强。2010年8月，西安科技大学的李会平改进了图像拼接的精度和速度。浙江大学CAD以及中科院自动化所模式识别国家重点试验室等高校和科研单位相继提出了以模板匹配的技术对图像进行图像信息搜索，从而确定图像重叠区的边界而得到较佳匹配位置的图像拼接方法。国防科技大学开发的HVS系统采用的是一种基于特征线段的图像匹配算法。电子科技大学利用FPGA硬件技术设计了大场景图像拼接融合系统。