无人机遥感具备空间分辨率高、时效性强、成本低、安全性高等优点，其应用范围越来越广。但是受到无人机飞行高度、数码相机焦距、高空间分辨率的限制，单张无人机图像的覆盖范围较小，仅依靠单张图像，难以形成对整个研究区域的整体认知，因此需要将多幅无人机图像进行拼接。图像拼接过程中涉及到的关键性技术主要包括图像配准和图像融合。图像配准基本上决定了拼接能否成功。通过对相关知识的学习发现，基于特征的配准算方法只利用了图像的显著特征，大大压缩了图像的信息量，从而极大减小了计算的复杂度，并且对图像间存在的旋转、缩放、噪声等变化有很好的鲁棒性。文中作者重点研究了基于特征的图像配准。本文介绍了图像拼接的相关理论基础及其关键技术。首先总结了前人提出的经典特征点检测算法，并对其优缺点进行分析比较。在特征点提取上，作者利用SURF算子检测图像特征点，并用邻近搜索策略进行特征点的粗匹配。在图像配准方面，我们首先删除了多对一或一对多的错误匹配点；然后通过斜率约束进一步剔除部分误匹配点；最后利用RANSAC算法基于透视变换矩阵去除掉外点。这样，便保证了匹配点对的准确性，实现由粗到精的匹配思想。在图像拼接和融合方面，作者基于透视矩阵（Homography）实现图像拼接，并利用多分辨率样条技术消除重叠区域的曝光差异，实现无人机图像的无缝拼接。论文应用C++仿真实验验证SURF算法的匹配性能。结果分析表明，SURF算法在保持良好的鲁棒性和抗干扰性的同时，在匹配速度上较之SIFT算法也有所提高。