由于无人机具有高灵活性、续航时间长、高危地区探测、高效率以及低成本等优势,因此以无人机为平台的遥感影像技术得到了快速的发展,并且已被广泛应用于市政规划、非人为灾害监控与军事等领域。但与此同时,由于无人机遥感图像分辨率较高、不规则等特征,给它的实际应用带来了相当大的难度。鉴于此情况,必须有专门针对于无人机遥感图像的拼接算法。本研究首先详细地对国内外图像拼接技术的研究现状及应用领域进行了深入的研究,并指出近年图像拼接技术是以基于特征的方法为主要发展趋势；然后深入研究了无人机遥感图像的几何校正技术；随后在讨论了SUSAN、Harris、SIFT (Scale invariant feature transform)等角点检测算法的基础之上,深入研究分析了Harris算法和SIFT算法,并提出了SIFT和Harris相结合的方案；在图像配准阶段,利用k-d树并结合最近邻比值法对特征点进行粗匹配,采用RANSAC对匹配点进行提纯,从而达到提纯的目的；在图像融合阶段采用渐入渐出融合算法实现了图像的拼接。本文的主要方法：由于SIFT算法提取的特征点数量非常大,所以如果直接用SIFT提取图像的特征点会影响图像的配准效率。因此本文在SIFT提取特征点的过程中引进Harris算子来增强特征点集的稳定性,预先剔除特征点中不稳定的边缘点,以提高算法的效率。实验结果表明,SIFT引进Harris算子后大量的类特征点被剔除,提取的特征点的数量明显减少。这不但明显的增加了匹配的稳定性,而且匹配的效率也有了较大的提升,从而使图像拼接的稳定性和实时性有了一定的改善。