无人机具有灵活性高,针对性强,成本低,操作方便,高效率等优势,因此以无人机为平台的遥感图像技术被广泛应用于地质检测、灾害监控、城市规划和军事等领域。然而,由于无人机遥感图像具有分辨率高、角度变换大、图像数量多等特点,对其进行大范围、快速、准确地自动拼接仍是遥感产品生产中面临的实际问题。本文针对无地理参考信息和相机准确参数的大范围无人机图像,研究了两种满足全局优化的图像配准算法,保证在满足全局拼接质量的前提下,有效地完成大比例尺无人机遥感图像的拼接。在地理参考条件充分的情况下,已有的遥感图像配准结果都比较准确。但是在实际情况下,存在着非常多影响匹配效果的因素:无人机自身体积小、惯性小,受到气流、风向影响大,俯仰角、侧滚角对比传统航测来说变化快;受气流影响拍摄图像排列不整齐,主要表现在拍摄图像的重叠度变化幅度大;相邻两张图像之间容易出现偏角差异很大的情况,很多无人机图像拍摄时没有相应的位姿信息,这些情况都对一次性拼接大量无人机遥感图像带来很大困难。本文的主要工作如下:(1)在传统基于SIFT的图像拼接算法基础上,本文提出了一种面向全局拼接顺序优化的遥感图像拼接算法,主要从特征点匹配和拼接顺序两方面改进:在特征点匹配查找阶段,利用LSH替代传统的KD-tree的方法,并结合欧式距离比率和中值滤波器两种方法,实现了从粗匹配到细粒度匹配特征点的筛选,在很大程度上提高了特征点匹配的速度;在选取拼接顺序阶段,基于图像重叠密度排序选取最佳的参考图像,从而使多个图像配准后的拼接图像误差最小。(2)考虑到参考图像并非是最小拼接误差平面,本文提出了一种基于空间点云的多角度遥感图像拼接融合算法。该方法首先基于SFM从多个遥感图像恢复得到稀疏场景点云,然后通过最小化所有图像的特征点到拼接参考平面的距离获取最佳拟合平面,最后根据恢复的特征点数据确立图像之间的对应关系,从而完成相机位姿未知情况下图像的全景拼接。(3)本文用上述两种方法分别处理两组西溪湿地无人机遥感图像,最终实验结果表明,本文提出的第一种方法能够在保证精度的前提下提高配准速度、降低全局误差;第二种方法能有效地运用在相机位姿未知情况下的大范围无人机图像拼接,效果达到了实用的要求。