近年来,无人机航拍因其成本低、操作简单、灵活性强等特点被广泛运用到如战场侦察,火灾救援、三维城市模型构建、土地资源规划、灾害预警等领域中。但由于相机的视野范围的局限,利用单幅图像难以对拍摄场景进行宏观分析,因此运用图像拼接技术整合多幅图像以获得更大的视野范围变得很有必要。无人机航拍拼接任务（如火灾救援）对于实时性能要求较高,所以研究快速稳定的无人机图像拼接算法具有重要的现实意义。一个完整的图像拼接系统包括图像采集和预处理,图像配准和图像融合三个步骤。本文着眼于图像配准这个关键环节,针对小重合区域图像的配准和大量无人机图像快速配准优化的问题做了深入的研究,主要的贡献点总结如下:（1）针对无人机图像因重合区域过小而出现错误配准的问题。本文提出了一种改进的图像配准算法,该算法在原随机抽样一致算法（Random Sample Consensus,RANSAC）的基础上引入了一种全新的过滤器,该过滤器能精确地判别并过滤掉原RANSAC算法在图像重合区域过小时产生的错误配准,增强了算法泛化性能。实验数据表明,提出的改进后的RANSAC算法能够完美地过滤掉由图像重合区域过小产生的错误配准。（2）针对在大量无人机图像配准的参数优化过程中,优化模型可能通过图像尺度参数的整体缩小,来错误地降低总体配准误差的问题。本文设计并引入了一个尺度校正系数。该矫正系数使得图像尺度的总体量级保持恒定,从而让无人机位姿参数优化回到了寻找连接图像最佳空间对应关系的方向上。通过实验证明了该校正系数对尺度的错误变化的有明显的抑制作用。（3）针对大量无人机图像配准中位姿参数优化计算复杂度高,效率低下的问题。本文提出了一种改进的无人机图像位姿参数优化算法,该算法通过向量的形式将配准过程中重投影和平移两个阶段的参数实现分离,避免了在整体优化时他们之间相互干扰,分步优化不同阶段的参数也有利于降低算法复杂度,提升速度,提高拼接的质量。实验证明,该方法有效提升了配准的质量,并且大大降低了配准计算的消耗时间。