无人机作为一种新的航测平台在近年得到了迅速发展,广泛应用于低空摄影测量领域。目前,对无人机采集图像处理的研究热点和难点主要集中于图像的预处理和拼接等方面。结合数字图像处理方法和模式识别方法,加深对无人机航拍图像自动识别处理的研究,对于丰富无人机的应用范围和加强对航拍图像的有效利用,具有重要意义。本文在考虑单一图像特征对图像识别精度不高的前提下,提出采用多特征融合的方式对航拍图像进行识别;针对采用多特征融合完成航拍图像识别时,图像特征向量较多,难以确定特征权重,及航摄区域广,地物目标类别多、待识别分类对象多的特点,提出采用神经网络的分类方法,通过前向反馈不断调整阈值,得到较理想的分类结果。本文的主要工作如下:介绍了有关图像识别、图像预处理、图像分割、图像特征提取、多特征融合、无人机航拍图像处理的国内外研究现状;由于航拍图像存在镜头畸变、航拍易受到天气影响等因素,研究了图像的预处理方法,分析了图像镜头畸变校正、图像去噪、基于暗色先验的图像去雾技术,实现了航拍图像的镜头畸变校正及图像去雾处理;由于航拍地区包含范围较广,地物类别众多,在分析了图像基于阈值、区域、边缘检测的分割方法的基础上,根据航拍图像的特点,对航拍图像采用按一定像素大小分割成许多的图像块区域;针对图像多特征融合问题,研究了图像的颜色、纹理、形状特征提取方法;分析了图像的颜色矩、颜色直方图、颜色相关图,针对基于颜色直方图的特征提取方法维数太高的特点,对HSV颜色空间进行了非均匀量化,得到了航拍图像的22维颜色特征向量;基于纹理特征分析了空间自相关法、GLCM纹理特征、Tamura纹理特征、Gabor小波变换的纹理特征提取方法,实现了航拍图像基于GLCM纹理特征的8维纹理特征向量提取;基于形状特征提取分析了形状描述法、Hu不变矩描述法,实现了航拍图像的7个Hu不变矩形状特征提取;设计了采用多特征融合对航拍图像进行识别的方法流程;对图像的颜色直方图、GLCM纹理、Hu不变矩单一特征,通过BP神经网络分类,得到单一颜色特征对航拍图像识别,具有较好识别率,而单一纹理、形状特征的识别效果很差;对图像的颜色、纹理、形状特征进行两两融合及三个特征的融合,通过神经网络分类器得到图像识别结果,结果表明经过多特征融合提高了航拍图像整体的识别率;通过对比发现形状和纹理特征对于单一特征识别率很低的地物类别是重要特征,大大提高了该类地物的识别精度。