无人机因其低空遥感数据具有高分辨率、高灵活性、高效率和低成本的优势而被广泛应用于自然灾害区域评估、战场侦察、环境监测等领域。为了扩大视野,更好地统一处理、解译、分析和研究无人机图像信息,往往需要把相邻两幅或多幅图像拼接为一幅全景图像。然而相对于无人机技术的快速发展,无人机图像处理仍然落后,无人机图像拼接技术更是成为制约其有效应用的瓶颈,因此研究无人机图像自动拼接技术具有重要意义。本文总结了前人在图像拼接领域的研究成果和研究现状,按照图像拼接的流程：图像预处理、图像配准和图像融合,详细介绍了图像拼接技术。针对无人机图像由于数据量大、重叠不规则、曝光不均匀等缺点而造成的拼接工作量大、精度低等问题,对基于互信息的图像拼接算法进行了改进,提出以区域互信息为相似性测度,利用显著区域进行分层配准的无人机图像拼接方法。首先,在图像预处理中,详细介绍了一种基于先检测、后滤波思想的椒盐噪声滤除算法。图像中的信号点不做任何处理,以保留更多的图像细节。而对于疑似噪声点,首先用改进的自适应极值中值方法进行噪声检测,并将检测结果记录在一个二值矩阵flag中,其中信号点记为1,噪声点记为0。然后根据图像像素值矩阵与flag的点积进行自适应中值滤波处理。实验结果表明,该方法能在有效去除椒盐噪声的同时保护图像细节。配准精度和配准效率决定了图像拼接的质量和速度,因此图像配准是整个图像拼接算法的核心部分。为了提高配准精度,已经有不少研究者从不同角度对互信息算法进行改进。本文用到的区域互信息算法利用像素点邻域信息来计算相应的信息熵,它包含了图像灰度关于方向、相邻元素及其幅度变化的综合信息,用其作为相似度测度的配准结果具有较强的鲁棒性和较高的精度。另外,在保证配准精度的前提下提高配准速度是无人机图像拼接过程中需要解决的又一关键问题。基于互信息思想配准方法的效率都比较低,而减少参与运算的像素数目是提高图像配准速度的有效方法。在计算机图像处理中,显著区域虽然只是整幅图像中很小的一部分,但一般含有丰富的信息。因此,本文在图像配准中,首先用小波金字塔技术对图像进行分层并根据无人机飞行参数计算出两幅待配准图像的大致重叠区域,然后对由Gabor能量和非经典感受野抑制原理提取的显著区域以互信息为相似性度量进行逐层配准,最后根据多分辨率原理得到整幅图像的配准参数。实验结果表明,该方法能较大幅度地提高配准速度,并且对有噪声污染、灰度差异、分辨率低的图像有较高鲁棒性,可以达到亚像素级配准精度。对今后图像拼接这方面的应用研究具有一定的参考价值最后,利用配准参数对浮动图像进行旋转和平移。对重叠部分及其两侧采用一种改进的加权平滑融合算法进行融合。该方法消除了图像拼接中产生的明显缝隙,改善了图像的视觉效果,最终得到一幅过渡自然的全景图像。对上述算法,本文在实验部分给出了各个步骤的详细实验结果。文章最后对图像拼接中还存在的问题进行了总结,并对图像拼接技术的发展前景进行展望。