無(wú)人機(jī)具有成本低、機(jī)動(dòng)靈活、操作簡(jiǎn)單、易維護(hù)等特點(diǎn)，廣泛應(yīng)用于航空攝影測(cè)量中。但是無(wú)人機(jī)影像存在重疊度、旋轉(zhuǎn)角度變化大、存在較大的畸變等問(wèn)題，采集到的無(wú)人機(jī)影像必須通過(guò)圖像處理才能應(yīng)用到測(cè)繪生產(chǎn)中。如何快速有效地處理無(wú)人機(jī)影像較大畸變，對(duì)無(wú)人機(jī)攝影測(cè)量十分重要，而其中影像匹配是解決該問(wèn)題的關(guān)鍵。影像匹配是通過(guò)一定的匹配算法在兩幅或多幅影像之間識(shí)別同名點(diǎn)的過(guò)程。圖像匹配作為影像處理中關(guān)鍵的部分，是實(shí)現(xiàn)后期影像數(shù)據(jù)分析的前提和基礎(chǔ)。影像匹配分為于基于灰度的影像匹配、基于特征的影像匹配。基于灰度信息的影像匹配是根據(jù)兩幅圖像重疊區(qū)域的灰度級(jí)的相似性程度，來(lái)決定匹配點(diǎn)，有比值匹配法、塊匹配法和網(wǎng)格配準(zhǔn)法，實(shí)現(xiàn)比較簡(jiǎn)單，但其計(jì)算量大、復(fù)雜度高、對(duì)圖像灰度變化敏感、算法精確度不高，一般不會(huì)單獨(dú)使用基于灰度的影像匹配算法。

　　本文針對(duì)無(wú)人機(jī)影像，對(duì)其影像匹配進(jìn)行研究，采用了可變特征點(diǎn)檢測(cè)范圍的SIFT影像特征匹配算法，并基于隨機(jī)抽樣一致性（RANSAC）算法，剔除誤匹配點(diǎn)對(duì)。RANSAC算法可以在一組包含“外點(diǎn)”的數(shù)據(jù)集中，通過(guò)不哳迭代，將數(shù)據(jù)建立數(shù)學(xué)模型進(jìn)行擬合驗(yàn)證，以便去除噪聲點(diǎn)，獲得穩(wěn)健參數(shù)估計(jì)。本文對(duì)SIFT算法極值點(diǎn)的檢測(cè)和閾值的選擇進(jìn)行了可變閡值優(yōu)化試驗(yàn)研究，以特征提取、描述和特征匹配為核心，通過(guò)對(duì)原始匹配點(diǎn)進(jìn)行預(yù)處理，以提高影像匹配速率，通過(guò)誤匹配點(diǎn)對(duì)的檢測(cè)以提高配準(zhǔn)率。