近年来,无人机行业得到了飞速发展,无人机已经可以应用到测量、军事甚至是家庭娱乐等诸多领域。目前,我国首次在辽宁省红沿河核电站周围海域进行无人机遥感测温的试验,试验中采用无人机搭载红外热成像仪对海面温度进行扫描测量,这是对无人机测量领域的一种新的尝试。本文以此次红沿河核电站遥感测温试验数据为基础,主要研究解决在试验数据后处理中图像拼接和温度拟合精度所遇到的问题。其中基于小波变换理论,提出了适合于无人机遥感测温数据处理的可行方法,很好的解决了在测量过程中精度无法达到要求等问题。文章主要研究内容包括:1)本文简单介绍说明了此次无人机遥感测温的试验背景,出现的一些技术难题,国内外的一些研究现状,使用小波变换理论的方式和意义。2)介绍了无人机遥感测温中图像拼接融合技术的流程,着重阐述了在实际应用中红外广角镜头产生桶状畸变后,使用数学手段进行纠偏,以满足后续图像拼接融合的需要。3)对比分析了常见拼接算法在本次无人机遥感测温试验中的应用效果,包括Harris角点检测算法和SIFT特征点算法,并根据应用中遇到的温度偏差问题,提出引入小波变换理论进行图像处理的方法来消除误差。4)针对在无人机遥感测量中因环境等因素引起的温度误差,采用小波神经网络的方法进行温度拟合,并与传统BP神经网络方法进行对比研究。结果表明,小波神经网络能保证温度拟合误差控制在0.4o C以内,并且优于BP神经网络。通过在无人机遥感测温试验中以上环节的研究表明,小波变换理论可以应用在无人机遥感测温试验的数据后处理当中,使得获得的数据结果更加准确,测量精度也可以得到很大提高。