近年来，在地理资源探测与自然灾害救险任务中，无人机逐步演化成一种新型的无人飞行器遥感平台，与卫星遥感测量和航拍遥感测量相比，无人机遥感测量具有实时性高、成本相对低廉、机动性良好、抗干扰性能优秀、对气候条件要求较低，以及遥感数据质量较高等优势，通过无人机收集遥感数据，可以达到建立遥感探测系统所需要的信息质量要求。正因如此，选用对于无人机遥感图像处理作为本文研究方向有其实质原因。
　　本文写作目的即在于将原始的遥感图像信息进行一定程度上的精简与筛选，在像素级层面达到更为有效的效果，以便后期人们对该地域地理信息得到一个充分、迅速、准确的了解。像素级层面的图像信息往往是对于后期特征层面、策略层面分析的基础，因此，基于此目的，本文提出了一种基于改进的证据理论数据融合算法，在图像形态学基础上，对像素灰度值包含的冗余、不确定性数据进行综合、分析、推导，最终实现对于区域目标的直观描述。
　　论文相关内容如下：
　　通过与较为成熟的灰度形态学操作结合，提出了一种新的图像预处理技术，在对区域图像去噪的同时，并简化了相应的图像细节信息，该方式在高、低像素灰度值程度上不同侧重的提供相应信息数据，而后分析其数据信息特点中的不确定性与冗余性，提出了一种新的证据理论对于形态学预处理中包含的像素灰度值描述中针对高、低像素灰度程度存在特点所造成的信息的模糊性与不确定性的问题的解决方式，能够较为有效消除原始图像中的无关细节信息，并得到原始图像中的有价值信息。并通过OpenCV开源视觉库对以上成果进行了编程实验，证实了本文方法可以满足研究目的的要求。