混凝土常用于大型建筑的建设中。混凝土建筑的形貌和特征描述对于建筑物的安全监控具有十分重要的意义。为了准确描述建筑物的三维形貌和表面特征，需要获取建筑物的完整图像。针对较大尺寸的混凝土建筑，可以利用图像处理方法来获取完整图像。　　采用图像处理方法获得建筑物完整图像的过程一般包括图像获取、图像预处理、图像配准和图像融合。其中，特征点的有效检测是实现后续图像配准的关键。由于一些混凝土建筑无明显结构特征，所采集的图像对比度低、纹理不明显，导致常用特征点检测算法容易失效。本文围绕这个问题主要完成以下工作：　　（1）介绍了一种大型建筑物表面特征检测方案，以及图像拼接的相关技术。利用成像设备分块采集建筑物表面图像，用于后续图像拼接。　　（2）研究了图像自相似性特点，并将图像信息熵用于特征点选择，从而设计了基于局部图像熵的自相似性特征点检测算法。通过实验对比几种算法的特征点重复率，结果表明本文算法在检测混凝土图像特征点时具有较好的鲁棒性。　　（3）采用图像降采样方法，并对特征点的相关度计算窗口进行旋转，使得该方法相比较于传统的相关度匹配方法具有了一定的旋转和尺度不变性。同时，在SURF特征描述子中引入尺度缩放因子，改善了自相似性特征点匹配的尺度不变性。　　（4）在上述特征点检测与匹配结果的基础上，选取配准图像的重叠区域，并采用加权平均法进行融合，实验结果表明该方法能够实现混凝土图像的无缝拼接。