随着无人机摄影测量平台和计算机视觉技术的飞速发展。无人机摄影测量平台凭借便于携带、易操作、低成本、高效迅捷、机动性强等优点,在国土资源调查、三维建模、物体识别、目标追踪、测绘等领域中广泛应用,成为国内外众多学者研究的重点之一。由于无人机体积小、重量轻的原因,在飞行时易受到恶劣环境和风力的影响,容易产生旋转、视角偏差、平移等影像数据,对实现快速、高精度的影像匹配结果存在较大影响。因此本文基于传统特征匹配算法的原理与特性,对其进行改进,从而实现无人机影像高效率、高精度匹配。本文主要研究内容如下:1、基于特征匹配算法,对常用的SIFT算法、SURF算法、ORB算法、KAZE算法、AKAZE算法的基本原理和匹配流程进行分析,采用Mikolajczyk数据集为实验数据,对5种算法进行特征匹配实验,从匹配速率和匹配准确率进行对比分析,对比各算法的鲁棒性。2、针对基于特征匹配算法是以灰度图像为输入对象进行影像匹配,对无人机影像的色彩特征信息没有进行充分利用,所以本文用AKAZE算法进行影像特征检测特征,利用具有颜色空间信息的Opponent-DAISY描述子进行特征描述,使用3组无人机影像对其进行不同变量（旋转、尺寸、亮度、模糊）变化,对不同变量变化的影像进行特征匹配实验,验证改进算法的鲁棒性,并于与传统算法进行比较。3、针对RANSAC算法进行精确匹配时其迭代次数没有限制,人为进行设限其并不一定最优结果点。引入VFC算法对无人机影像进行精确匹配,在色彩对比度弱的环境下匹配效果差等问题。本文采用K-VFC相结合的算法进行误匹配点的剔除,以此来提高无人机影像匹配的准确度。通过实验发现,K-VFC算法的匹配准确度可达到80%以上,相较于RANSAC算法和VFC算法准确度提高了 15%,表明K-VFC算法可以有效地提高无人机影像匹配的效果。