无人机以其灵活的设定航线及时间、成本低、时相高、容易满足精度要求等优点已经广泛应用到监测、侦查、数字城市建设、农林评估、预测、统计等方面。随之而来的是无人机影像的处理问题,传统人工处理方法繁复且受人为因素影响较大,为提高无人机影像处理效率,自动匹配作为无人机影像拼接的重要技术环节,成为了理论研究与实现的热点。随着国内外学者们对于匹配算法的研究及改进,使影像自动匹配的技术得到了发展,形成很多较为成熟的匹配算法。目前,SIFT算法是公认最流行的匹配算法之一。本文首先介绍了影像匹配方法现状;然后介绍SIFT算法的实现原理;最后实现并改进SIFT算法。在传统的SIFT实现的基础上,采用影像分块的策略,基于VC++6.0平台编程实现SIFT算法并进行代码封装,并且使用了多进程多线程思想提高影像匹配速度。研究比较基于欧氏距离的匹配、基于KD树的匹配、基于BBF的匹配三种关键点描述的方法,利用RANSAC算法剔除匹配点粗差,实现同名像点及旋转矩阵的生成。并使用贵州省安顺机场无人机影像进行实例验证,结合主流已发布的SIFT算子与时间和空间复杂度来改进和评价算法。