随着无人机技术的发展,以无人机为载体的航拍图像处理的相关技术研究成为了研究的热点。与地面摄像设备采集的图像内容不同,无人机航拍场景多为区域性、工程性、灾害性和军事性的区域监测等。其航拍图像具有分辨率高、时效性关联度高、视差大、拍摄角度灵活等特点,但是,受无人机飞行稳定性、风力、光照等影响,无人机航拍图像也存在着图像特征不稳定、影像倾斜度大、数量多、重叠不规则等问题,这对无人机航拍图像处理技术提出了更高的要求。本文以无人机航拍图像为研究目标,主要研究了无人机大视差视角下的图像全景拼接及目标轨迹重建等关键技术,主要工作如下:1.提出了一种面向无人机航拍图像的大视差全景图像生成方法。由于成像设备性能限制,目前无人机成像系统多采用序列图像在线动态拼接技术以获得大面积、高分辨率的全景图像。针对无人机视角下大视差的全景拼接问题,本文提出了一种基于语义分割的全景拼接算法,该算法在引入图像配准方法基础上,通过语义分割网络对待拼接图像进行前景和背景的分割,仅对背景分进行匹配运算,有效解决了前景目标的移动造成特征点的误匹配,从而导致拼接结果模糊的问题,有效解决了传统全景拼接算法仅能应用于静态大视差图像拼接的约束限制问题。实验表明,本文提出的方法在无人机大视差场景下的全景图像拼接中取得了良好的效果。2.提出了一种面向无人机航拍图像的轻量型运动目标跟踪算法。相比卫星遥感图像,无人机航拍图像的一个显著优势是其对运动目标的跟踪能力。因此,以车辆、行人等的为代表的运动目标轨迹建模技术研究是无人机图像研究中的另一个热点问题。本文针对无人机视角下的运动目标轨迹重建问题,提出了基于深度学习的目标跟踪算法,该算法采用了混合高斯背景建模对不感兴趣的区域进行优化,通过颜色提取方法,对全景图中标记的运动目标进行颜色提取,最终的到运动目标轨迹。此外,通过对目标网络进行轻量化剪裁,实现了算法在机载计算机有限算力情况下的移植。实验表明了,该方法具有良好的目标轨迹重建精度。