针对图像拼接中尺度不变特征变换(SIFT)算法没有充分考虑特征点的分布情况且计算复杂、耗时较长等问题,提出了一种基于改进的PCA-SIFT算法.该算法首先在空间极值点检测阶段引入改进的非极大值抑制法对初始特征点进行优选,得到分布更加均匀的特征点集;然后在构建描述符阶段基于圆形领域提取64维SIFT描述符,并使用主成分分析(PCA)法对描述符进一步降维,减少描述符的数据复杂度;最后在特征匹配阶段引入基于K-D树的BBF搜索策略,采用随机抽样一致性(RANSAC)算法剔除误匹配点,从而提高了匹配速度与匹配精度.在10组图像拼接实验中,本文算法的拼接速度是传统SIFT算法的1.6～2.2倍.实验结果表明,本文算法具有较高的精度、较好的鲁棒性,较强的实时性.