无人机平台作为一种新兴航空遥感平台,具有起航快、造价低、对环境要求不高的特点,机上搭载高分辨率的数码摄像机就可以获得高分辨率的视频影像,通过对影像的拼接处理可以在救灾、交通监管、智慧城市等领域都有很好的应用。目前,无人机视频影像拼接技术仍不成熟,如何实现快速、高精度的拼接依然是一项重大挑战。本文选择以无人机视频影像拼接技术为研究内容,查阅了国内外的有关技术资料,了解了无人机视频影像的特性,研究了其中的关键点,从中选择了三个研究重点:自适应关键帧提取方法研究;拼接过程中累积误差的优化;基于特征点的图像配准算法研究。针对这三个重点,本文的主要成就有:(1)针对无人机视频影像重叠度变化规律,提出了一种自适应关键帧提取方法。该方法是一种重复迭代算法,以上一次关键帧提取的帧间距为本次迭代的初值,计算当前帧与上一关键帧实际重叠度与给定重叠度的比值不断反馈调整本次提取关键帧的帧间距,直至满足重叠度要求,将满足重叠度要求的帧图像作为本次的关键帧,满足要求的帧间距作为下一次提取关键帧的初值,这样不断重复,直到提取完所有的关键帧。(2)为了减小拼接过程中产生的累积误差,引入稀疏光束法平差,从而最小化投影误差,优化绝对单应矩阵。实验证明该方法在一定程度上,解决了因累积误差引起的拼接错位问题。(3)对SIFT、SURF、ORB三种特征提取方法进行研究,通过对无人机视频关键帧的实验对比,得出结论:从无人机影像拼接的实时性与精度考虑,SURF算法是一种比较好的选择。(4)在特征点匹配过程中,提出了一种结合K-means聚类的RANSAC算法,该算法通过K-means算法将匹配点对分类,选取包含数据点最多的一类为比较优秀的匹配点对,剔除其余匹配点对,为RANSAC精匹配提供了优秀的数据样本,从而提高了匹配的精确度与速度。