图像拼接技术是近年来的研究热点，它的核心技术是图像的配准技术。1992年，剑桥大学的Brown概述了图像配准技术的基本理论以及其主要方法[1]。随后以运动为基础的全景图像拼接模型也由Richard Szeliski在1996年提出[2]，它采用了Levenberg．Marquardt迭代非线性最小化方法(可简称LM算法)，它进行图像配准是通过求得两幅图像间的几何变换关系，由于这个方法效果较好，而且可以处理具有平移、仿射、旋转等多种变换的待拼接图像，所以该算法也成为图像拼接领域的比较经典的算法，而Richard Szeliski也因此成为了图像拼接领域的奠基人，他提出的理论己经成为了一种经典的理论体系，直到现在仍然有很多人在探讨他的拼接理论。2000年，ShmuelPeleg、Alex Rav．Acha等人在Richard Szeliski的研究基础上进行了进一步的研究和改进，自适应的图像拼接模型就是这样提出来的[3]。它是基于相机的不同运动，自适应地选择拼接模型，首先要把图像分割成多个狭条，然后进行多重投影，最后完成图像的拼接。这个研究成果无疑大大推动了图像拼接技术的发展，自适应问题也开始成为了图像拼接领域的新的研究热点。2003年，M．Brown在ICCV会上发表了一篇名为Recognizing Panoramas的文章[4]，他在这篇文章中使用了以不变量技术[5]为基础的SIFT[6]算法，通过该算法进行图像拼接，这个算法完全自主地完成而且效果较好。凭借这篇文章，M．Brown再次掀起了图拼接技术研究的热潮。65164

同时，在国内，图像拼接技术迅速发展。在1997年，汪小睿等分别用序贯相似性检测（SSDA）和标准化产品相关的两个类似的措施，建立了模板图像和输入图像之间的相似性度量[7]，然后用模拟退火算法搜索最优迅速准确地找到最佳匹配点，从而实现图像的拼接。浙江大学CAD＆CG国家重点实验室和中国社科院科学自动化研究所模式识别国家重点实验室，使用模板匹配的搜索方法，以确定最佳匹配位置重叠区域的边界，以获得拼接图像。与此同时，他们还将这种方法应用于微血管循环以及集成电路等的图像拼接中，并且取得了一定的成效。

在2003年，大连理工大学的封靖波等提出了一种以相似曲线为基础的拼接方法[8]，它是通过寻找梯度的最大点，从而建立两条曲线，然后确定这两条曲线的最相似部分，用这找到两幅图像的匹配位置。在一定程度上，这种方法不仅简化了匹配策略，而且同时减小了计算量。论文网

在2004年，赵向阳和杜立民提出了以特征点匹配为基础的图像自动拼接算法，该种算法是使用Harris算法提取角点，然后进行匹配[9]。这种算法采用了鲁棒变换估计技术，从而，在一定程度上有助于提高配准算法的稳健性，然而它的计算速度比较较慢。

在2005年，侯舒维和郭宝龙针对现在的以灰度级相似为基础的图像拼接方法的缺点，创造性地设计出一种快速图像自动拼接的算法[10]，这种算法在综合考虑图像拼接的速度和精度的基础上，采用简单的边缘信息闭值法提取基准特征块，而对于块的搜索，采用了金字塔式的分层次的搜索策略。浙江大学的许雷和张恒义等利用以傅立叶变换为基础的相位相关法对图像拼接进行了研究。同时，香港大学的Paul Bao以及西北工业大学的张素等研究以小波变换为基础的图像拼接方法。以傅立叶变换和小波变换为基础的方法有许多优点，比如：匹配准确率高和拼接效果好等，但也有一些缺点，比如计算量大以及受噪声干扰影响大等。而清华大学的研究员们将图像拼接过程中计算量以及拼接精度进行综合考虑，提出了一种折衷的方案，这种方案是用三角架使摄像机绕垂直轴旋转，但是同时不严格限制摄像机的旋转角度。