随着无人机及传感器技术的快速发展,无人机遥感技术逐渐兴起。由于无人机遥感存在视角限制,研究人员需要对在同一场景下获取的多张具有空间位置差异的无人机图像进行拼接处理,以获得完整的场景图像,便于进一步研究的进行。作为图像拼接技术的基础,图像配准技术对无人机遥感技术在实际的应用效果起到了关键作用。本文对无人机光学遥感图像的配准技术展开研究,主要工作如下:(1)针对基于点特征的图像配准算法处理无人机可见光图像无法兼顾处理速度和精度的问题,本文在ORB(Oriented FAST and Rotated BRIEF)算法基础上提出加入两种双向匹配方法对匹配特征点进行处理并结合渐进采样一致性算法去除误配点。通过与SIFT(尺度不变特征变换)等五种传统图像配准算法的对比实验证明该方法相较于传统算法具有更快的处理速度和更高的处理精度。选取了城市、道路、建筑、农田、森林五种常见场景下的无人机图像进行配准实验,实验证明该方法在处理城市、道路等具有较多明显特征的场景图像时精度相比于原算法能得到更加明显的提高,平均提高比例达到21.61%。(2)针对基于点特征的图像配准算法无法有效处理无人机可见光图像与红外图像配准的问题,本文采用多特征结合的图像配准方法进行处理。该方法通过边缘特征提取输入图像的轮廓图像,再对轮廓图像通过基于点特征的方法进行配准。通过实验证明该方法相比于基于点特征的图像配准方法更适用于无人机可见光图像与红外图像的配准,其中Scharr算子结合点特征配准算法具有更加良好稳定的配准效果。(3)针对于传统图像配准方法仅采用底层特征进行配准的问题,本文采用了一种基于深度卷积神经网络特征的图像配准方法并提出改进措施,在原算法基础上通过分块处理图像、使用特征提取能力更强的ResNet-50(Deep Residual Network)网络提取特征以及通过特征融合构造特征描述向量等措施进行改进。实验证明改进后的算法相比于原算法及传统的图像配准算法具有更高的配准精度;对于传统算法无法进行有效配准的图像,该方法也可以取得良好的配准效果。(4)本文基于QT软件开发平台,设计并实现了一个遥感图像配准软件。该软件将本文中无人机光学遥感图像配准方法及图像配准技术的相关延伸应用进行集成,实现了相关处理的自动化和可视化。