无人机遥感(Unmanned Aerial Vehicle)由于具有较强的机动性、时效性等优点,能弥补卫星遥感、航空遥感现势性差的缺陷,可为灾情调查与应急指挥等提供第一时间的资料,目前已成为人们关注的热点。通常情况下,由于单张遥感影像无法覆盖整个被研究的区域,往往难以得到整个区域的全局信息,这就需要对多张影像进行配准与拼接。因此,如何对低空遥感获取的海量数据进行快速配准与自动拼接,是当前急需解决的关键技术问题。本论文基于无人机遥感获取的无地理坐标、非量测相机影像,深入研究了特征点检测、影像配准与拼接的相关理论与方法,实现了整条航带图像的快速自动配准与拼接。首先,利用SIFT算子对图像进行了特征检测,对于特征不明显的区域(陆地较小,水域较大)用Harris算子提取特征点进行补充。然后,对检测到的同名特征点进行筛选,提出了粗匹配的思想,重点研究了RANSAC算法,并将该算法与极线约束相结合来剔除大量错误匹配点,从而实现了由粗到精的匹配。本文选择了仿射变换、二次多项式、Delaunay三角网、单应矩阵Homography等不同的变换模型,对立体像对进行了拼接实验,对比分析了目标图像的效果；同时,利用仿射变换实现了整条航带的配准与拼接。最后,对如何利用带POS数据的UAV图像实现大规模快速自动配准与拼接,做出了进一步研究的设想与展望。