根据调查显示,我国人均耕地面积只有1.64亩,仅为世界水平的50.52%。耕地面积少,加之农作物生长异常会降低产量,并影响农民收入和农作物期货市场。为了及时获知农作物的异常情况,需采用高效的方式采集农作物长势信息。本文利用农作物异常生长时,叶表面温度异常变化的特性,通过无人机配备红外传感器,使用红外热成像技术检测植株冠层温度,预测农作物异常问题。尽管无人机搭载的红外摄像机能够高效地获得农作物冠层温度红外图像,但并不知道异常温度区域的具体地理信息,因此也就不能为防治作业提供准确目标位置。针对这一问题,本文提出将红外图像与地图可见光图像进行匹配,得出两者像素间的对应关系,从而将红外与可见光图像进行结合,本文主要贡献如下:（1）通过对现有红外与可见光图像匹配方案的研究,结合本文匹配目的和所用红外与可见光图像的特性,提出了由粗到精的红外与可见光图像匹配方案。首先对匹配图像进行预处理,充分利用图像中显著性信息;其次将红外图与可见光图中预选取模板匹配,根据匹配相关值的置信度确定红外图像的大致区域;然后联合区域内的有效模板得到匹配点对;最后利用匹配点对将红外与可见光图像结合。（2）本文选取3个匹配方法进行验证性实验。通过对实验效果分析,选取基于区域的匹配算法作为本文方案设计的匹配算法。针对该方法存在的陷入局部最优和耗时问题,分别对显著性区域进行位置关系约束和对协方差相关算法进行简化。（3）本文使用所设计的红外与可见光图像匹配方案,对4个红外图像与可见光图像成功地完成由粗到精的匹配。通过与基于特征点的SIFT匹配方法对比,说明本文提出的红外与可见光图像从粗匹配到区域内匹配取得了很好的效果。综上,本文设计的红外与可见光图像匹配方案和基于位置关系约束的匹配算法实现了本应用场景下从粗匹配到区域内的匹配,有效地将含有农作物长势信息的红外图像与具备地理信息的地图数据进行结合,为后期的农作物科学生长管理提供必要的数据支持,进而推动农业管理的自动化和智能化。