无人机航拍是以无人机为载体,搭载遥感设备获取信息,并利用图像处理技术优化后获得最终图像。相比卫星遥感等系统,无人机航拍灵巧轻便、造价低廉、性能优越,在航拍领域中更具优势。无人机航拍被广泛地用于危险区域侦查、战场侦查、海洋环境监测、自然灾害监测等,然而,无人机航拍过程中由于飞行高度、相机焦距等因素的局限,单张图像很难全面地显示目标区域,因此通常做法是拍摄多幅图像进行自动拼接。随着无人机航拍应用领域不断增多,其图像拼接技术得到众多科学家的关注,图像处理技术开始步入高速发展阶段。本文分析研究了当前关于图像拼接技术的研究成果和应用现状,提出近年来这一技术领域把基于特征点的拼接方法作为研究重心和发展方向。主要研究内容包括图像预处理、特征检测、图像配准和图像融合。图像预处理是对采集到的图像执行灰度化与锐化处理,以简化图像计算工作量和提升图像清晰度,另外还需要对图像进行几何校正从而减少图像畸变带来的影响。特征检测是利用检测算子检测与提取图像特征信息,在图像拼接过程中,若直接利用SIFT算法提取图像特征点,获取的特征点数量将会非常多,导致图像配准流程工作量大幅增加,配准效率降低。为避免该问题,本次研究采用了 SURF算法,并引入Hessian检测子提升特征点集的稳定性,提前去除稳定性差的边缘点,从而提高算法效率。图像配准是将图像进行匹配、叠加的过程,在图像特性提取以后使用几何变换进行特征匹配,本文采用改进的k-d树BBF算法来提高匹配效率,然后使用随机抽样一致算法去除错误的匹配点。图像融合是将两张或者多张图像融合成一张的过程,本文分析研究了图像融合的层级以及四种常见的融合方法并采用小波变换融合法进行图像融合。实验结果表明,在特征检测时,引入Hessian检测子后,虽然SURF算法的特征点提取数量大幅减少,但是与SIFT算法相比,其有着更高的准确度和效率。在图像配准时,改进的BBF算法配准能力相对更强,匹配速度和效率都大大提高,并且抗干扰能力更强。该系统能够简单方便的进行处理,最终形成拼接图像,效果优良。