图像配准是图像拼接技术的核心技术，主要分作两大类，其中较早出现的一类是从区域出发的图像配准算法，另一类则是从特征出发的图像配准算法。

前者第一个算法是由Kuglin和Hines于1975年创造的相位相关度法[2]，这种算法能够完美的拼接仅仅是二维平移的一组图像，而不在乎场景。同年，De CAstro 等人也创造了利用傅里叶变换的频域相位相关的算法，后经Reddy于1996年大大改善了该算法[3]，拼接的所需转换降低，平移矢量也更易求出。可以推断，将来随着傅里叶变换的更好利用的算法开发，图像拼接技术会得到更大的发展。

而从特征出发的图像配准算法则是另一条实现图像无缝拼接的热门途径，利用图像的局部不变的特征点来进行几何变换。最开始的研究成果是Moravec于1977年发明的角点特征[4]，之后Harris等人不断改进它，相继增加了在旋转、灰度以及尺度上均不改变的特性。至此图像的低级特征点的研究告一段落。2000年，Medioni等人开始逐渐发掘图像的高级特征点，Lowe创造的SIFT算法以及改良版的PCA-SIFT算法便是其中相当经典又影响至今的一种[3]。另外，Richard Szeliski的L-M算法不仅可以处理平移[6]，也可以处理旋转等其他形式的图像拼接，因而成为图像拼接界的元老级人物，他的著述至今也是热门研究对象。再往后，Shmuel Peleg 等人在此基础上创建自适应问题相应模型[7]，又成为新的研究方向。78644

总而言之，图像拼接大概分为四个大的研究方向：模型、灰度、变换域、特征。图像配准算法经过几十年的发展已经取得了很大的进展，但由于拍摄环境复杂多变，现在还没有一种算法能够解决所有图像的匹配问题。现在的几种方法各有其优缺点，如果能综合利用这些方法的优点将会取得更好的匹配结果。论文网

相对于国外，国内对于图像拼接的技术研究落后一段时间，但是经过我国科学家近些年来的奋力直追，也是取得了相当不俗的成果，正逐渐拉近与国外的距离，甚至在某些方面独特新颖。清华大学重点投入从高特征点出发的图像拼接技术[8]，已经初步取得科研成果。国防科技大学，中科院等也有置身于图像拼接相关技术的研究[9]，并且已经实践运用于军事、虚拟现实。一些科研精英的论文里提出了各式各样创新的图像拼接算法，比如遗传算法的介入，在一定程度上促进了整个图像拼接技术的发展，我们有信心展望，中国将成为其中一支强力的研究队伍，而且必将做出巨大的贡献，获得累累硕果。