文献综述
前言：
随着科学技术的发展，近年来，随着无人机的成本降低以及体积小，更加灵活等特点，在军事探查，环境监测，抗震救灾，城市规划等方面渐渐显露优势。但随着无人机航拍的广泛应用也随之出现了拍摄图像像幅小，只通过单张拍摄图像无法反应现场实际情况等不足, 由此要求要将多张无人机图像予以凭借, 从而得到一幅大场景的全景图。因而, 对无人机图像拼接技术开展研究, 具有十分重要的现实意义。
正文：
目前图像拼接的两个关键技术主要是图像配准（image alignment）和图像融合。图像配准是图像融合的基础,而且图像配准算法的计算量一般非常大,因此图像拼接技术的发展很大程度上取决于图像配准技术的创新。早期的图像配准技术主要采用点匹配法,这类方法速度慢、精度低,而且常常需要人工选取初始匹配点,无法适应大数据量图像的融合。图像拼接的方法很多,不同的算法步骤会有一定差异,但大致的过程是相同的。一般来说,图像拼接主要包括以下五步:图像预处理，图像配准，建立变换模型，统一坐标变换，融合重构。
无人机航拍图像在形成、传输和记录过程中会受到各种外界因素影响，如无人机飞行稳定性、飞机云台增稳效果、航拍区域天气状况以及相机自身参数等，会很大程度上影响采集到的图像质量，主要会出现图像失真、图像模糊以及图像有噪声等。在进行图像拼接过程中，如果这些问题处理不当，会严重影响特征提取以及图像融合，以致于不能快速地实现图像拼接。因此，对无人机航拍采集到的图像进行预处理操作是不可或缺的过程，预处理的核心工作是对图像进行复原；所谓图像复原就是改善采集图像的质量，并尽可能地恢复源图像。
其次介绍图像配准，其定义为：对从不同传感器、不同时相、不同角度所获得的两幅或多幅图像进行最佳匹配的处理过程。图像配准需要分析各分量图像上的几何畸变，然后采用一种几何变换将图像归化到统一的坐标系统中。在配准过程中，通常取其中的一幅图像作为配准的标准，称之为参考图像；另一幅图像作为配准图像。
根据配准使用的特征，图像配准的方法大致可分为三类：
(1)基于图像灰度的配准算法。首先从参考图像中提取目标区作为配准的模板，然后用该模板在待配准图像中滑动，通过相似性度量(如相关系数法、差的平方和法、差的绝对值法、协方差法)来寻找最佳匹配点。
(2)基于图像特征的配准算法。该算法是以图像中某些显著特征(点、线、区域)为配准基元，算法过程分为两步：特征提取和特征匹配。首先从两幅图像中提取灰度变化明显的点、线、区域等特征形成特征集。然后在两幅图像对应的特征集中利用特征匹配算法尽可能地将存在对应关系的特征对选择出来。对于非特征像素点利用插值等方法作处理推算出对应匹配关系，从而实现两幅图像之间逐像素的配准。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
