基于图像特征识别技术的自主着陆问题是无人机自主飞行领域亟待解决的热点问题之一。图像特征识别技术的应用对于降低着陆系统成本和提高无人机的自主性有重要意义。本文以超小型无人旋翼机在低空飞行时所观测到的自然地貌图像为研究对象,设定识别环境为包含草地和公路两种适应小型无人机着陆地形的复杂地貌环境,解决无人机在无人工标记的复杂背景环境下进行自主着陆时对可着陆点的识别问题。具体研究内容包含:图像预处理,图像分解,特征识别,匹配聚类和实验验证研究等。图像预处理是对无人机在自主着陆前拍摄到的图像进行分析,通过对图像进行剪裁、滤波、灰度化、灰度归一等预处理算法,实现去除杂波和统一规格等准备工作;图像分解是利用多尺度几何分析方法分解图像,得到不同方向不同分辨率下的子图像;特征识别是综合考虑无人机着陆的实际需要,对图像进行Hu矩、Zernike矩、纹理三种特征的提取及分析,比较各特征的分布及特性,计算不同子图特征正确识别的贡献率,选择贡献率最大的若干个特征作为识别的主要判别条件,构建图像特征分类识别数据库;匹配聚类是通过航拍到的地面图像与已建立的图像特征数据库进行粗匹配,确定大范围的着陆安全区域,然后利用k-means法的点聚类识别算法对安全区域内包含的各种地貌进行具体的划分,实现对各种地貌进行小范围内的分类识别,最终确定适宜无人机着陆的地点;实验验证研究是利用实验设备对本算法进行仿真验证,通过理论分析和Matlab实际编程,完成了一个完整的图像处理软件系统,实现了对无人机可着陆点的地貌分类识别。实验结果表明本算法可对航拍图像中适宜无人机着陆的草地和公路两种地貌进行识别,识别率达到86.7 %。利用本算法可以实现无人机着陆时的地貌识别,降低了无人机对于外界信息和其它测量仪器的依赖性,增强了无人机的独立自主性。