无人机航拍图像的定位是计算机视觉领域的研究热点,在视觉定位、系统导航等领域具有重大应用价值。其具体实现是将无人机拍摄的实时图像与系统存储的具有地理位置信息的预存图像进行匹配,从而实现当前图像在预存图像上的定位。然而可以作为预存图像的遥感图像与航拍图像来源的差异使得图像匹配出现多种位置误差产生的噪声和匹配粗差。针对该问题,本文采用先将航拍图像进行全景拼接,再对全景图进行地理配准,最终将带有地理信息的全景图作为预存图像,与航拍图像进行匹配的方式实现定位。论文从全景拼接、地理配准、图像定位三个方面展开研究,主要工作内容如下:首先针对SURF算法提取高分辨率航拍图像特征时,其特征点数量庞大、分布密集,导致特征匹配对过多,图像配准耗时过长的问题,本文提出将响应排序和距离约束相结合的方法,提取图像的强响应特征点,并保证特征点的均匀分布。该方法有效提高了特征匹配的运算速度,并且可以有效过滤落在空旷区域、响应不稳定的特征点。并在图像融合阶段结合缝合线搜索和多频段融合算法,消除全景图上的鬼影,提高全景图的拼接质量。接着对地理配准中的道路提取方法进行研究,由于道路周围的地物以及屋顶等障碍物的干扰,使得在提取道路时存在较大噪声。本文提出基于改进连通区域的道路提取方法,先对图像进行预处理,过滤掉大部分背景信息,再提取图像的连通区域,根据道路的宽度特性和连接特性只保留道路连通区域,最后利用Hough变换提取道路线,实验证明该方法可以有效过滤掉大部分噪声。最后对于航拍图像定位的实现,由于直接进行特征匹配无法满足实时定位的需求,本文提出基于图像检索的二次匹配策略。先利用特征编码算法检索出与航拍图相似度最高的子图即粗匹配,再利用基于改进GMS的特征匹配算法得到更稳定的特征匹配对即精匹配,通过对比实验证明,该方法耗时短且具有较高的定位精度。