无人机低空遥感是农田作物长势和生理状况监测的重要手段,但是由于轻小型无人机自身载荷及作业环境的限制,无人机载多光谱相机采集的图像存在失真、画幅小等问题。本论文针对农田遥感多光谱图像存在的失真现象提出了几何畸变校正、渐晕校正和辐射一致性校正方法。论文也对农田无人机遥感多光谱图像的拼接影响因素进行了分析,提出了对应的图像配准、融合以及多图拼接及其累积误差控制方法。具体地,本论文主要研究内容和成果如下:1)使用张正友相机标定法对图像的镜头畸变进行校正,校正后图像角点位置x方向和y方向误差均小于0.070个像素,平均误差仅为0.044个像素,畸变校正效果较好,有助于降低由于畸变造成的图像配准误差。2)将Retinex理论运用于遥感图像的渐晕校正,并针对函数逼近法及多尺度Retinex算法存在的光晕、泛灰和光谱数据失真问题,提出了带光谱恢复的多尺度Retinex算法。该方法通过对遥感图像全局亮度的估计以及光谱恢复因子的引入实现低光谱失真的多光谱图像渐晕校正。将该方法与基于高斯曲面的函数逼近法和多尺度Retinex算法进行对比,结果表明:该方法处理结果不存在光晕、泛灰现象,且在图像清晰度、对比度以及光谱质量上均优于函数逼近法和多尺度Retinex算法,方法具有较好的渐晕校正能力和鲁棒性。3)为了降低遥感图像之间的亮度差异,提出了基于实时照度信息的多光谱图像辐射一致性校正方法。对环境照度与图像DN值之间的关系进行实验分析,提出了辐射一致性线性校正模型和非线性校正模型,并进行实验比较。实验结果表明,非线性校正模型的校正精度优于线性校正模型,但是由于非线性校正效率较低,提出了根据环境照度变化剧烈程度选择线性或非线性模型的策略。4)针对农田遥感多光谱图像分辨率低,对比度低,图像特征点数量少且分布不均匀的问题,结合图像的光谱信息提出了基于主成分图像的SIFT特征检测方法。该方法利用主成分分析法提取多光谱图像中方差最大的主成分图像作为SIFT检测的目标图像,能有效提高农田多光谱图像特征点检测的数量、均匀度和有效性,提高特征点检测的鲁棒性,有助于提高多光谱图像拼接的稳定性。此外,研究了最近邻次近邻比值法的阈值对多光谱图像特征点粗匹配的影响,确定最佳阈值为0.85;对拉普拉斯金字塔融合算法中四种高频和低频规则组合效果进行研究,确定了最佳组合为高频取大规则和低频帽子函数加权平均规则的组合。5)为了消除无人机因素和拼接方法误差因素带来的累积误差,提出了自动优化路径的基于拼接图到拼接图的拼接方法。为了消除空间变换模型带来的累积误差,提出了基于同步采集的高分辨率可见光图像外参对变换模型误差进行修正的累积误差控制方法。针对基于拼接图到拼接图的拼接方法缺陷,使用相位相关法优化图像的特征点检测区域,提高特征点检测和匹配的效率和准确性,进一步减小拼接误差。