我国的近海养殖产业规模庞大,但目前针对养殖区域的观测仍以人工巡视为主,费时费力。利用无人机航拍养殖区域并将其拼接成一张带有位置信息的高分辨率全景图可以有效地辅助渔民对养殖区域进行观测,减少工作负担;也可以为渔业管理部门提供决策依据,提升治理能力;还可以为进一步的近海养殖区域无人探测提供地图导航信息,具有重要的现实意义。为此,本论文针对近海养殖场景,对无人机航拍图像拼接进行研究。目前的无人机航拍图像拼接技术主要包含图像配准与图像融合两个步骤。在配准方面主要有基于特征点与基于位姿两类,而在融合方面主要基于最佳缝合线来实现。本文对上述方法的优缺点进行了剖析,从近海养殖实际场景出发,从图像拼接的自然度、精度、速度入手来研究无人机航拍图像拼接技术,主要工作与创新点如下:（1）提出了一种非均匀精度的图像拼接方法。首先将图像根据重叠区域的特点将图像分为多个子区域,并在子区域内部利用基于特征点配准算法以及基于光度对准的网格优化算法进行高精度拼接,在子区域之间利用基于位姿的配准算法来进行低精度的拼接。实验表明,相对于基于位姿的方法与商用拼接软件Autostitch,本文的方法能够达到更好的效果。（2）在图像配准方面,成功将基于光度对准的网格优化应用到多图优化当中,有效地提升了配准精度。在实验中,优化后平均误差降低了约4.5%。（3）在区域划分方面,提出了一种快速的图像匹配方法,先利用拍摄时的位姿来获取图像之间的相交关系,若不相交则不执行特征点匹配操作。在保证划分结果正确的前提下,将匹配的时间复杂度由（9）~2)降低到了（9）)。（4）在图像融合方面,提出了一种结合深度学习的缝合线搜索方法。首先通过深度学习模型来获取网箱区域掩膜,随后在进行缝合线搜索时对掩膜区域施加能量,使得缝合线绕开网箱区域,提升了网箱在拼接时的完整度,降低了鱼类在网箱中游动对拼接结果带来的影响。