无人机航拍图像的差异性检测技术对于及时获取城市动态变化以实施合理的规划管理具有重要的现实意义。无人机图像具有分辨率高、获取快速等优势,能为城市发展研究提供及时有效的数据源,实现连续、动态的城市差异检测。随着深度学习技术的快速发展,深度神经网络能够自动地学习复杂数据深层特征的优势,为差异性检测提供了新的研究思路。因此,针对此应用背景开展基于深度学习的无人机航拍图像差异性检测算法研究有一定的工程应用价值。本文针对高分辨率无人机航拍图像数据量大,匹配效率低,耗时长等缺点,提出了一种基于二次匹配的无人机航拍图像配准算法,该算法首先利用下采样降低图像维度,通过ORB算法进行粗匹配与精细匹配相结合,实现了高分辨率无人机航拍图像的配准。实验结果表明,该算法能够显著降低配准耗时,提高配准效率。针对神经网络的训练需要大量的标签数据,而高分辨率无人机航拍图像的人工标注工作量大、效率低、标签数据不足的问题,提出了一种基于弱监督深度置信网络(DBN)的无人机航拍图像差异性检测算法,该算法将经中值滤波后的预分类结果图作为网络训练的伪标签,构建并训练基于DBN的差异性检测网络模型,实现最终的检测。实验结果表明本文算法具有一定的可行性,并且在实现过程中不需要人为标注真实差异信息,实现了差异性检测的自动化及智能化,有效提升了检测精度。