无人机具有尺寸小、机动灵活、反应快速等特点，使用无人机进行图像等信息的采集，弥补了卫星遥感和普通航空摄影信息采集方面的缺陷。无人机平台获取图像时,受到无人机飞行高度和数码相机焦距的限制,单张图像很难完全包含感兴趣的区域。为了得到更多目标区域的信息,可以通过将不同角度的成像进行平滑无缝的拼接融合,构造一幅全景图达到扩展视场范围的目的。目前对图像拼接的方法有很多，基于特征的拼接算法只需要搜索特征点而不是整幅图像，效率较高，同时基于特征的拼接算法对图像变形、灰度变化及遮挡等问题都有比较好的鲁棒性，所以对于分辨率高、图像变形较为严重以及光照差异大的无人机图像适用于基于特征的方法来进行拼接。基于上述分析，本文主要研究内容如下：（1）分析图像拼接的研究背景和现状，总结已有的图像拼接算法，对其进行分类并分析各类算法的优势、不足以及算法的适用领域和范围。（2）针对配准问题，本文首先采用双线性变换法和最近邻点法对图像进行几何校正，然后采用SIFT算法对无人机图像进行特征提取，SIFT算法对于大量高分辨率的无人机图像极值点搜索速度慢，本文提出一种单层极值点搜索算法，经过特征匹配，再用随机抽样一致性算法去除误匹配点对。（3）无人机图像数量庞大，拼接过程中误差累积会导致最终拼合的全景图像产生明显的拼接缝、扭曲等现象。为了能够在不损失精度的情况下使得无人机全景图像平滑无缝的拼接成功，本文对捆绑调整法对最佳参考面的选取准则进行优化，并用其全局优化转换矩阵,利用转换矩阵完成全景图的镶嵌，将误差均匀分布到各个拼接处。实验结果表明，本文所采用的单层极值点搜索策略虽然损失了一定程度上的精度，但是它能够比较快的搜索到极值点完成图像的特征提取，同时优化的捆绑调整法使得累积误差也得到了减少。