无人机技术和传感器技术的快速发展,使无人机摄影测量广泛应用于测绘、救灾应急、地质勘测、电力巡检、3D建模、气象探测等领域,成为国内外研究的热点之一。无人机摄影测量有着传统摄影测量无法超越的优越性,但是无人机重量轻、稳定性差,造成获取的影像重叠度不规则、旋转角度大、影像地物畸变大。面对这样的影像,很多原本有效的影像匹配方法都出现了不同程度的问题,有的算法不再能匹配出同名点,有的算法即使能够匹配出同名点,但匹配数量和精度也大为下降。因此在总结现有的影像匹配算法的基础上,研究适用于无人机影像的匹配算法十分重要。本文对多种无人机影像匹配算法进行探讨,深入研究基于灰度的LSIM算法和基于特征点的SIFT算法,并结合算子的优缺点,对SIFT算法进行改进使其更加适用于无人机影像。本文就无人机影像匹配的主要研究工作和成果如下:(1)着重研究了基于灰度的LSIM匹配算法和基于特征的SIFT匹配算法,详细的介绍了两种算法的原理和匹配过程。(2)将LSIM与点特征算子Moravec算子、Harris算子和Forstner算子结合,已达到提高匹配率的目的。通过实验对比分析两种算法的优劣,结果显示SIFT算法更优,更加适用于无人机影像这种畸变大、旋转角大的影像。(3)对传统的SIFT算子做出了三方面的改进:扩大了极值点检测范围,针对不同的无人机影像给出自适性阈值并修改了描述算子。对改进后的算法进行了实验,实验结果表明改进后的算法在特征点提取、匹配对数量和匹配时间上均有所提高。