无人机定位技术是无人机的关键技术之一，利用无人机的高机动性能对军事机动目标进行跟踪，实施打击与快速响应是信息化战场不可缺少的任务。然而目前的无人机目标定位方法依赖于机载POS系统，在很多情况下POS系统无法提供高精度的定位结果。本文以具有地理信息的正射影像作为参考，将无人机序列图像与正射影像匹配实现定位。但是无人机所获取的图像像幅较小，单幅影像上难以找到足够数量的控制点完成匹配，多幅图像拼接能扩大像幅但是会导致累积误差，无法满足定位精度，本文针对这一问题开展研究，取得的成果如下：　　1、提出了一种组合局部变换和全局控制点的序列图像定位方法。该方法首先对序列图像中的每相邻两帧进行匹配，确立它们之间的相对几何关系，求取每对相邻帧的变换矩阵；然后从序列图像和正射影像上找到若干对匹配点，获得若干全局控制点；最后根据所有相邻帧之间的变换矩阵和若干全局控制点，建立间接平差模型，解算每帧序列图像与正射影像之间的变换模型，完成定位。该方法既解决了序列图像像幅小导致的控制点不够的问题，又消除了图像连续匹配导致的累积误差，且具有较快的定位速度。　　2、提出了一种基于单应性矩阵分解的序列图像相邻帧快速匹配方法。该方法通过对前几对相邻图像的单应性矩阵分解，获得相机前几个状态的相对位姿变化参数；然后预测当前的相对位姿变化参数，并估计待求的单应性矩阵；利用估计的单应性矩阵将匹配点投影另一帧图像上，在其邻域内进行精确匹配。该方法利用了图像在时间和空间上的关联性，预测特征点的位置，缩小了匹配范围，具有较好的匹配精度和实时的匹配速度。　　3、实现了一种基于SURF算法和自适应阈值RANSAC算法的全局控制点提取方法。考虑到序列图像与正射影像在分辨率、拍摄角度、图像灰度等方面可能存在较大差异，本文利用具有尺度、旋转不变性的SURF算法提取、描述特征点并进行匹配，结合基于Otsu算法的自适应阈值RANSAC算法剔除匹配中的误匹配，实验证明该方法可以得到精确的匹配结果。