图像配准技术，即将不同视角、不同时刻获取的关于同一场景的多幅图像映射到同一坐标系的过程，被广泛地应用在遥感等众多领域中。近年来，无人机遥感系统借助自身高灵活性、低成本等优势而受到了广泛的关注，然而由于无人机飞行高度低，获得的航拍图像视角有限，这时图像配准技术的引入显得尤为必要。目前，基于特征的图像配准技术十分流行，但当这类配准方法应用在无人机航拍图像上时会出现不同的问题。本文通过对多种基于特征的图像配准方法进行了分析比较，提出了一种基于相似曲线的无人机航拍图像配准方案，使整个过程在配准精度、计算时间和占用资源之间达到较好的平衡。主要的研究内容如下：1.简单叙述了图像配准技术的一些理论基础，重点分析了无人机航拍图像的特点以及几种常见的传统航拍图像配准技术。2.针对无人机航拍图像分辨率高、数据量大、图像间存在旋转和尺度缩放等问题，本文首先用边缘特征对图像进行旋转预处理，然后利用图像的相似曲线进行配准，简化算法的复杂度，提出使用灰色关联分析方法计算相似曲线中形状最相近的两个子曲线段，使得配准算法对缩放不敏感。最后使用粗-精搜索相结合的方式提高配准精度，用基于Harris角点的经典配准方法作为提精步骤。3.针对无人机航拍图像集无序排列的问题，分析了目前的图像自动排序方法，设计了一种基于颜色特征和纹理特征的自动排序方法，首先将图像进行矩形分块，然后提取每一个矩形分块图像的两种特征，通过计算图像特征之间的相似性来衡量矩形块的相似性，最后用矩形块彼此间的相似性来决定图像的配准对象，实现对图像集的排序。这一部分可以作为配准方法的预处理步骤，实现图像的自动配准。实验结果表明，本文提出的无人机航拍图像配准方法在计算时间和耗费资源上要优于传统的航拍图像配准方法，并满足了无人机航拍图像对算法仿射不变性的实际要求。当航拍图像排序混乱时，利用本文设计的排序方法能够自动找到图像的配准对象，可以作为图像配准的预处理步骤，排除人工干预。