由于无人机和卫星图像视点的剧烈变化,导致视觉外观差异巨大,现有跨视角图像匹配方法性能难以提升,致使无人机视觉定位研究依然面临挑战。本论文在研究大量国内外跨视角图像匹配算法的基础上,分析已有模型不足,从像素级、特征级、决策级三个层面出发进行了改进,主要研究工作如下:（1）针对无人机-卫星视图间空间域差过大与空间布局信息的忽略问题,从像素级层面出发,结合手工特征和深度特征,提出了一种基于视角转换的前置图像生成模型。前置生成模型首先使用逆透视映射（IPM）进行坐标变换,显式地弥合空间域差,使投影图像与真实卫星图的空间几何特征大致相同,然后通过新提出的跨视角生成对抗网络（Cross-View Generative Adversarial Network,CVGAN）隐式地对图像内容及纹理进行细粒度的匹配和修复,合成出更为平滑且真实卫星图。最后通过大量定性和定量的实验,验证了该模型的生成效果,初步弥合了空间域差。（2）针对无人机-卫星视图间提取的视点不变特征判别性能差异大的问题,从特征级层面出发,以深度特征为基础,提出了基于多视角多监督网络（Multi-view and Multi-supervision Network,MMNet）的后置图像检索模型。该模型主要由四个创新模块组成。多监督学习:联合表征学习与度量学习能够有效解决单一监督学习导致的表征特征单一、类间类内距离极化问题;多尺度特征融合:融合全局与局部的多尺度特征能够有效缓解特征尺度单一导致的上下文信息缺失、旋转及位置偏移带来的匹配性能下降影响;重加权正则化策略和多视角平衡采样策略:能够有效克服数据集的视角样本不平衡局限性。通过在当前流行的无人机数据集University-1652上进行实验,MMNet在无人机定位任务的召回率（R@1）及平均精确率（AP）指标上分别达到83.97%和86.96%的精度。实验结果表明,该模型能够提取显著且几何一致的视点不变特征,有效提升了跨视角图像匹配的性能。（3）针对视点不变特征与视角转换方法割裂导致的性能提升瓶颈问题,从决策级层面出发,以深度特征对抗决策为基础,提出了多任务联合学习模型（Multi-task Joint Learning Model,MJLM）。其主要思想是在一个聚合框架体系内联合处理跨视角图像生成任务及检索任务,实现基于视角转换与视点不变特征方法的融合。具体来说,本文将给定的无人机图像和卫星图像映射到它们的潜在特征空间并建立联系,使用这些特征来完成这两个任务。一方面,后置检索任务确保生成卫星图的内容无限接近于真实卫星图。另一方面,前置生成任务使MJLM在两个视域之间学习几何一致的视点不变特征。通过在University-1652上进行实验,MJLM在无人机定位任务的R@1及AP指标上分别达到87.54%和89.22%的精度,相较于MMNet分别提升了4.25%和2.60%。实验结果表明,该模型更进一步提升了跨视角图像匹配的性能,优于其他前沿方法,并且在准确性与鲁棒性等方面表现良好。