无人机遥感技术作为一种新的遥感方式,因其成本低、效率高、灵活机动、使用方便等特点,近年来成为研究热点。无人机遥感技术被广泛运用在战场侦察、投弹和监视等军事领域以及地图测绘、灾害监测和交通管制等民用领域。然而,无人机作为遥感平台,其飞行高度有限、机载相机焦距有限,导致获取的单张遥感图像信息量较小,为获得目标区域完整信息,需把大量遥感图像拼接成一幅大视野全景图。传统图像拼接所用算法无法同时满足无人机遥感对图像拼接关于实时性、鲁棒性和准确性的要求。针对这些情况,本文通过深入研究和学习国内外图像拼接技术,比较并分析现下流行的图像拼接方法,提出基于特征的无人机遥感图像拼接改进算法。图像预处理是图像拼接前的准备工作,直接关系到拼接精度。无人机在获取遥感图像时,容易产生拍摄角度和光照条件变化。无人机自身体型小,质量轻,机身容易发生抖动。这些可能导致图像亮度落差明显或发生几何畸变。本文通过图像去噪和图像插值对图像进行校正,有效消除了噪声和畸变。图像配准是图像拼接的核心,直接关系到拼接质量。本文对基于特征的图像配准进行了全面而深入的研究,并提出改进算法。首先,特征检测引入SURF算法中的海森检测算子,实现算法对尺度变化的不变性;其次,特征描述选择ORB算法中的BRIEF算子,实现算法对旋转变化的不变性;然后,用汉明距离完成相似性计算,利用BF算法实现特征粗匹配;最后,先利用距离阀值去除距离较大的匹配对,再用RANSAC算法完成提纯。实验表明,本文算法实时性好、鲁棒性强、准确性高。图像融合是将完成配准的图像融合成一幅图像,要求图像间亮度和色彩平滑过渡,衔接处无裂缝。然而,即使是两张连续的无人机遥感图像,两者之间的亮度和色度也不完全相同,配准后如果直接拼接,在图像重合区域容易出现拼接缝和重影。针对这些情况,本文采用泊松融合算法完成无缝融合拼接,实现了像素平滑过渡。