图像拼接是将具有重叠区域的相邻图像根据重叠区域[3]内关键点的特征信息进行匹配定位，然后进行拼接，合成一幅具有完整信息的图像。图像拼接技术广泛应用于导弹图像制导、计算机视觉、机器人视觉定位、视频压缩和视频检索、照相绘图学，图像处理和计算机图形学等方面，越来越多的被计算机科学技术，电子信息工程，光学工程等多个专业的学者应用于相应系统的研究和开发。
图像拼接技术最初用于照相绘图学，主要处理来源于卫星对地拍摄的照片或侦查机航拍所得的照片，将它们整合成超宽视角图像以获得完整全面的信息。近年来，图像拼接技术成为计算机视觉和计算机图形学都十分关注的焦点。 23236
在其他方面图像拼接技术也日益成为热点甚至关键。尤其是在医学图像处理[4]和遥感技术领域[5]中，与本次的课题一样，图像拼接成为了为后续工作提供必要条件的一个关键环节。
图像拼接技术主要包括三个环节：图像预处理 [6]、图像匹配、图像合成[7]。对于最后一个环节图像合成，现有的算法都比较成熟，而第二个环节图像匹配则是其中的核心，它决定了整个算法的拼接成功率和拼接速度，因此图像匹配算法的研究重中之重。论文网
目前常用的图像匹配算法有以下几种：（1）基于频域的匹配方法（相位相关度[8]）；（2）基于模板的匹配方法（灰度相似性[9]）；（3）基于图像特征的匹配方法。
从根本原理来看，基于频域和模板的匹配方法都是基于图像像素点灰度特征的匹配方法[10]。相位相关是先将两幅待处理的具有重叠区域的相邻图像进行傅立叶变换，再找出结果比值的最大值对应的位置以此来确定相关度最高的位置。基于相位相关的方法计算量大、对噪声敏感。基于模板的匹配方法是计算两幅待处理图像中对应的像素点之间的灰度值相似性，得到相似系数最大的位置即最相似位置。模板匹配具有简单且适应性强，容易获得图像信息等优点。但其运算量较大，速度较慢，更为关键的是它对待处理的两幅图像之间的亮度差有一定的要求，亮度差大于一定值该算法将失效。基于图像特征的匹配方法依赖于对图像特征的精确提取，通过生成描述特征点的特征向量来确定匹配位置和距离[1 图像拼接技术的研究背景及研究现状:http://www.youerw.com/yanjiu/lunwen_16207.html