近年来,无人机被广泛应用于生活的各个领域。在无人机航拍中,运用图像拼接技术,可获得视场大的高分辨率图像。同时,在救灾应急等实时应用中,需要迅速获取灾区整体情况以制定救援方案,因此,研究快速准确的无人机航拍图像拼接方法十分必要。目前,图像拼接技术大多基于图像的局部特征,即图像中区分度高的区域特征展开。该类方法在图像出现光照、旋转等变化时具有很好的鲁棒性。本文重点研究了基于局部特征的无人机航拍图像快速拼接方法,从图像配准和图像融合两方面着眼,主要创新点如下:(1)在图像配准方面,本文提出一种改进ORB算法。该算法在原ORB算法的基础上引入尺度空间,利用Hessian检测算子进行特征提取;同时,结合基于网格的运动统计算法和渐进一致采样法来进行特征匹配点提纯。实验表明,与ORB算法相比,改进算法的特征点匹配正确率提高了约3%,配准误差减少了约22.72%。(2)在图像配准方面,本文还提出一种结合位姿信息与改进ORB算法的多幅无人机航拍图像拼接方法。该方法首先利用改进ORB算法得到图像间的变换关系,再根据变换关系修正每一张图像的地理位置坐标,最后根据位置坐标进行图像拼接。实验表明,在多幅无人机航拍图像拼接中,相比于改进ORB算法,结合位姿信息与改进ORB算法的图像拼接方法消除了多幅航拍图像拼接的累积误差,配准误差减少约26.82%。(3)在图像融合方面,本文提出一种多幅无人机航拍图像分类融合方法。该方法使用配准后的图像重叠区域的颜色均方根误差来确定拼接区域的融合方式,有效解决了多幅图像拼接时因各个拼接处存在差异需要不同融合方法的问题。实验表明,在多幅图像拼接融合时,该方法的平均梯度相对于渐入渐出加权平均融合法提高了约11.30%,而耗时相对于最佳缝合线融合法减少了约18.89%,在融合速度和融合效果之间取得了较好的平衡。