滇东北地区是云南省滑坡多发地区,已发生过多起大型灾害性滑坡。1991年9月23日昭通市盘河乡头寨村发生的滑坡造成了216人死亡,7人受伤,直接经济损失约1200万元。目前,利用遥感影像对滑坡的活动性、发生发展过程监测是减轻其灾害的重要手段之一。由于无人机遥感技术在获取滑坡灾害遥感数据过程中的快速、灵活、成本低及获取的遥感影像时空分辨率高于卫星遥感数据等优势,无人机遥感技术在滑坡监测、灾害损失评估等研究中已广泛使用。但在地形高差巨大、切割强烈、峡谷纵横的山区,无人机在获取影像过程中通常都会受到地形、局地环流、气流的严重影响,获取的无人机影像常常存在模糊不清、曝光不足、阴影区较大、畸变强烈等问题,同时无人机影像拼接过程还存在匹配误差,匹配错位的现象。这些质量不高的无人机遥感影像无法满足对滑坡特征、活动性、危险性等识别和判断。因此,研究如何通过影像处理的方法对无人机原始影像进行预处理,以获取深切峡谷山区满足工作需要的高质量无人机影像成为开展滑坡等地质灾害监测和研究的关键。论文以滇东北山区无人机滑坡影像为研究对象,开展了山区无人机模糊影像自动识别和运动模糊影像恢复方法,山区无人机影像增强方法,山区无人机影像匹配点粗差剔除方法研究,并利用这些方法对无人机影像进行了处理,获取高质量的、满足进行滑坡体特征识别的影像,论文主要结论如下:(1)无人机影像地物的边缘特征是反应影像清晰度的重要参数,对比分析了目前四种经典的边缘特征提取算子,实验结果显示,高斯-拉普拉斯算子可以很好的提取影像地物边缘。论文提出了采用高斯-拉普拉斯算法精确提取无人机影像的地物边缘特征,结合影像特征灰度方差大小进行模糊影像自动识别的方法。结合实验进行分析,从获取的517幅无人机影像中可以快速的、准确的自动识别出模糊影像,准确率100%,该算法在模糊影像自动识别中效果较好。(2)山区无人机影像受局部气流的影响容易产生运动模糊。分析了无人机影像产生运动模糊的原因,恢复模糊影像的关键因素是获取精确的模糊核。论文提出了一种利用先验知识预估模糊核的算法,通过计算模糊影像和样本影像之间的残差,拟合多项式,计算出精确的模糊核,结合维纳滤波算法进行影像恢复。对获取的无人机模糊影像进行验证,运动模糊影像水平方向模糊核的预估准确度达到100%,该方法可以很好的恢复运动模糊影像,提高影像质量。(3)受山区地形因素的影响,无人机获取的影像存在曝光不足及影像上有阴影的现象,该区域的影像像素亮度被压缩,信息欠缺,对滑坡信息的识别产生影响。在对比分析了目前四种遥感影像增强算法的基础上,提出了一种去除无人机遥感影像阴影的组合算法,该算法将Retinex算法与二维伽马函数组合,既可以去除无人机影像的阴影区域,还可以校正影像增强之后产生的明暗不均现象,组合算法比传统的无人机影像阴影去除算法效果好。(4)无人机影像拼接过程中,特征点的准确度直接影响到最终的拼接质量,获取鲁棒性较强的特征点是影像拼接的关键步骤。论文在对传统的RANSAC算法进行改进的基础上,提出了一种结合图论进行特征点粗差剔除的新算法,利用新的算法可以获取高精度的单应矩阵。采用RANSAC算法和图论相结合的方法构建了无人机影像匹配特征点粗差剔除系统,可以对山区无人机影像提取的特征点进行粗差剔除,获取鲁棒性较高的特征匹配点。(5)利用经预处理的无人机遥感影像和原始无人机影像开展了鲁甸县龙头山镇和巧家县法土村山体滑坡体特征识别。结果显示,预处理后的影像识别滑坡体特征效果远远优于原始图像。