我国是一个农业大国,加快农业现代化发展脚步,提升大国农业的竞争力,是我国经济发展,综合国力提高的基础。随着科技的高速发展,无人机的应用也愈加广泛,利用无人机航拍农田可获得高分辨率、大范围的图像。在机器视觉领域,图像处理、模式识别等技术亦被广泛应用,以无人机技术与图像识别技术相结合为出发点,应用于农业中解决实际问题是本文的研究重点。本文对无人机航拍图像识别算法进行研究,主要研究内容为航拍图像预处理和分割、航拍图像拼接、图像特征提取与匹配。分析了影响航拍图像质量的因素并选取图像畸变校正和平滑去噪两种方式进行预处理,对形态学处理做了介绍。阐述了图像阈值分割和区域分割两种分割方法,并结合无人机图像特点给出了将图像按棋盘状划分若干小块的分割方法。总结归纳了图像拼接的主要技术,应用Harris角点检测算法提取特征,采用MAD特征点匹配实现特征粗匹配,利用RANSAC算法对特征精确匹配,最后利用加权平均融合对图像进行融合,实现了航拍序列图像的快速准确拼接。依据航拍图像特点,以颜色和纹理两类突出视觉特征为观测点,介绍了颜色特征和纹理特征提取方法,并选用最近邻分类方法实现特征匹配。建立了HSI-GLCM加权特征模型,以解决单一特征识别率不高的问题,并通过实验分析了不同权重下的识别精度。在此基础上,完成了无人机航拍农作物图像识别实验,并以农作物分类和麦穗识别为例进行实验验证,并分析识别的准确率。在农作物分类中,按照图像获取-处理-解译整套技术流程实现了不同作物的区域划分;在麦穗识别中,存在麦穗形态各异或粘连等情况,通过麦穗细化、检测角点方法,建立角点与麦穗数量的关系实现了麦穗的自动计数,为小麦估产提供有益参考。在MATLAB环境下进行识别实验,取得了较好效果。