图像拼接技术可以将几张具有重叠部分的图像组成一幅具有更大视角的无失真全景图,目前已被广泛应用于社会的各行各业,对人民乃至国家都有着重要意义。但是目前大多图像拼接的场景往往都伴随着较大视差,在大视差条件下若处理不当会造成拼接图像中出现伪影、失真等问题。针对上述缺陷本文分别在图像配准以及图像融合方面做出创新,具体如下:首先,对基于深度特征的图像配准方法做出改进,用于目标图像与参考图像间的配准。具体而言,用一个预先训练好的VGG19网络进行特征提取,分两个阶段进行图像配准。在第一阶段,利用终端特征快速估计一个单应变换矩阵应用于目标图像,从而使得目标图像与参考图像初步对齐。在第二阶段,使用对齐后的目标图像与参考图像进行配准,采用由粗到细的策略进行分层细化匹配且匹配过程具有自适应性。所改进方法达到了与目前主流配准算法相同的效果,且单位时间内配准效率更高,尤其是在图像特征纹理不明显的情况下优势更加突出。其次,对传统基于质量评价寻找最佳拼接缝的方法做出改进。根据无人机航拍图像的特点,综合考虑结构相似性、色差、纹理复杂度,提出一种新的质量评价函数对拼接缝上的每个像素进行评价,进而根据评价结果更新差异代价并重新估计拼接缝,估计和评价过程重复执行,直到拼接缝趋于稳定则停止迭代。所得拼接缝优先穿过道路、林地等区域,更加符合人类视觉感知。最后围绕无人机航拍图像拼接问题,设计了一个针对无人机航拍图像的拼接系统,该系统可以完成无人机航拍图像的自动化拼接,隐藏拼接细节,给予用户最简洁的操作体验。为了验证所提方法的有效性,进行了大量实验。在图像配准阶段,分析了所提配准方法的效果,分别在特征点丰富与稀疏的数据集配准上与其他配准方法进行比较。在最佳拼接缝搜索阶段,进行了拼接缝搜索算法比较、拼接缝位置分析等实验。实验结果说明本文所提方法具有一定的优势。