UAV在高空飞行时的自主导航定位能力对其自动化程度有着关键的影响。基于景象匹配的视觉导航定位技术相比于GPS导航而言,不依赖外部系统,相比惯性导航而言,没有累积误差。这种技术是一种自主性和精度均很高的导航定位技术,在导航定位领域的作用日渐重要,也是视觉领域的前沿方向。景象匹配算法通过定位实时图在基准图中的位置实现自身的地理定位。本文研究对比两种景象匹配算法,设计并重点研究了较优的基于SURF特征的一类基于特征点的景象匹配算法,并从速度、精度、自主判断能力以及快速再定位角度优化了该算法。首先,本文探究了基于景象匹配的UAV视觉导航定位技术的应用背景,阐述了研究意义,分析了景象匹配算法的发展现状,介绍了本文的主要研究内容和研究方案。此外,还给出了景象匹配问题的定义、基本组成、基本框架和常见分类。其次,本文研究了边缘特征的景象匹配算法和基于SURF特征点的景象匹配算法的算法原理,为后文的测试以及优化方法提供理论支持。其中简要介绍了基于边缘特征的算法,深入研究了基于SURF特征的算法。然后,本文明确了景象匹配算法的测试方案,并研究基准图的获取方式,实现了从网络地图服务平台上获取任意范围的多分辨率的卫星地图的方法。在测试方案中,本文利用谷歌地图瓦片拼接形成了测试用基准图,完成了对边缘特征的景象匹配算法和基于SURF特征的景象匹配算法的测试比较,并证明了后者在精度和速度上更胜一筹,因此将后者作为重点研究和优化的对象。最后,本文设计了针对算法多项缺点的优化方案。针对匹配定位失败的可能性,设计了合理性判断和失败再定位的方案,合理性判断能够在匹配不正确的时候给出提示,再定位方案则给出了四种推荐方法实现重定位;精度的优化方面,探究了Hessian矩阵行列式阈值对算法精度的影响,匹配精度提升至90%以上,并给出Hessian矩阵行列式阈值的推荐值;速度的优化方面,利用历史信息和UAV性能参数,在本论文测试条件下,将匹配速度由1fps大幅提升至30fps以上。