图像匹配是指在同一场景中的两幅或两幅以上图像中找出在结构、内容、特征、灰度和纹理等方面的映射关系,从而使不同的图像能在空间上达到一致,然后对图像进行匹配。本文的研究背景是当无人机飞行时,信号受到干扰,通过航拍图像与已经下载的卫星地图进行匹配可以确定无人机的位置。本文的主要研究航拍图像与卫星地图的匹配,选择效果比较好的图像匹配算法,并针对航拍图像匹配的特点设计优化解决方案,进行图像匹配。本文主要的研究工作从几个部分进行:针对SURF算法改进先从特征提取过程进行;再对特征匹配过程进行改进,提高图像匹配的准确度;针对参考图像(卫星地图)提出优化解决方案;针对待测图像(航拍图像)提出针对性的优化解决方法。本文在算法的特征提取过程,本文提出了利用HSV颜色空间提取图像的彩色信息,加入到特征向量中,使得特征点的描述向量之间更具差异性和独特性,来弥补SURF算法特征向量颜色信息的缺失;在算法的特征匹配过程,由于航拍图像的数据量巨大和数据类型特别,在匹配过程中会出现误匹配现象。本文提出运用K最近邻对匹配上的特征点对进行粗筛选,去除匹配结构很差的特征点对,再用随机抽样一致性方法不断估计样本模型,剔除掉其他的误匹配点对,来提高图像匹配的准确度。通过实验看出本文提出的改进方法可以明显提高图像匹配的准确率。针对卫星地图覆盖面积太广的问题,本文提出了分步分块方法,将地图先分成几块,然后用航拍图像去匹配,匹配后选定效果最优的一块,再将地图分成更小的子块,找到与前一步重叠的子块,再去匹配,直到实现最好的图像匹配;针对航拍图像与卫星地图的分辨率存在很大差异的问题,本文对航拍图像进行尺度缩放,以两幅图像中景物相同部分分辨率尽可能相等为原则,对无人机航拍图像进行缩放,通过选择最优的缩放尺度,以实现航拍图像的最优匹配效果。经过实验验证本文提出的优化方法既能提高图像匹配的准确率,又能缩短两类图像匹配的时间。