应用无人机低空遥感技术获取渔业水域的水质参数是现代渔业养殖智能化的发展方向之一。受相机焦距和飞行高度的限制,无人机遥感平台获取的单幅遥感图像覆盖区域较小,大范围区域就需要对多幅遥感图像进行拼接与融合,并且遥感图像的预处理与拼接质量是遥感信息定量化研究的前提。本文以无人机遥感平台采集的湖州某养殖水域的多光谱图像为研究数据,分析了现有的遥感图像拼接方法特点,以及采集图像存在的问题,研究了无人机遥感渔业水域的多光谱图像预处理方法与拼接技术,主要研究工作如下:1)针对无人机遥感平台在获取多光谱图像时产生的像素畸变问题,使用张正友标定法得到了多光谱相机内参和镜头畸变系数,利用无人机姿态参数建立了基于无控制点的几何校正模型,使得校正后的遥感图像像素畸变更小,为基于POS信息的图像粗配准提供了基础。针对遥感多光谱图像存在的渐晕现象和同一批遥感图像辐射亮度不一致问题,使用带光谱恢复的多尺度Retinex算法实现了遥感图像的渐晕校正,采用替代标定法实现了辐射一致性校正,使得校正后的图像具有很好的视觉效果。并设计实现了基于以上方法的图像预处理软件。2)结合现有的遥感图像拼接技术和渔业水域的多光谱图像特点,提出了一种基于POS信息和SIFT特征的遥感图像拼接改进算法。在无人机遥感多光谱图像预处理后,若图像特征点较多,该算法先根据POS信息粗配准的结果计算图像重叠区域,再利用PCA算法提取多光谱图像的第一主成分图像作为SIFT特征点检测的输入,并通过空间距离筛选出一对多中最佳的匹配点,使用距离直方图约束全局相似属性来剔除误匹配点,最后通过RANSAC算法估计单应性矩阵。在图像特征点过少或纯水域无特征点的情况下,该算法仅根据POS信息求解单应性矩阵。3)在381张图像上测试了本文提出的多光谱图像拼接改进算法,确定了像素坐标距离项影响因子和匹配阈值T的最优取值范围分别为0.4～0.6和0.45～0.65。此外,对比了本文图像拼接算法和基于SIFT特征的拼接算法的特征点检测数量和特征点匹配效果,结果显示PCA图像相较于波段均值图像的特征点数量有一定提高,本文剔除误匹配点方法相较于最近邻次近邻剔除方法的匹配率和匹配正确率分别提高了18.5%和4.9%,且匹配时间缩短了一半。4)针对拼接初期图像重叠范围小导致后期图像配准容易失败的问题,提出了帧到帧结合拼接图到拼接图的拼接策略。对82张序列图像在该策略的指导下进行拼接,对比了本文拼接算法和基于SIFT特征的拼接算法的累计误差,拼接结果表明,本文拼接方法减少了图像序列增加带来的大量累计误差,拼接图像的经纬度平均误差分别仅为-0.703m和2.468m。并使用多分辨率融合算法进行图像融合,最后得到的拼接图像不仅含有地理坐标信息,而且具有很好的视觉效果,满足了无人机渔业水质定量遥感监测时的全景图像拼接需求。