随着科技不断的发展,人们获取影像的手段和方法日新月异,从原始的测量和绘制到如今的UAV航摄先进的手段,但还是无法满足不断更新的实际需求。现今UAV以其体积小、质量轻、获取高清影像便捷的优势成为主流获取影像的手段。但由于UAV航高限制获取到高层建筑物的影像进行拼接时其结果往往存在许多问题,一方面是UAV航高限制,另一方面是高层建筑物本身高度影响,获得的高层建筑物的航摄影像为非正射影像且有不同程度的失真,这样就对影像的配准带来了很大的难度,而如何对高层建筑物进行高效的拼接就是本文研究的问题。本文总结了基于特征的影像拼接中所用到的相关技术。基于特征的影像拼接的基本步骤包括:特征点提取、特征点匹配、模型参数估计、影像变换。文中以影像配准与融合的每个步骤中的相关方法为基础,着重阐述了基于SIFT特征的影像配准和基于小波变换的图像融合相关算法。1.特征点提取:本文特征点提取选用的是SIFT算法和Harris算法进行特征点提取,对两者特征点提取方法进行比较,在提取完特征点后引入随机抽样一致算法对两种算法提取的特征点进行粗差剔除,得到后续影像融合使用的数据。2.本文融合算法使用的是小波融合和ALPHA融合,本文最初仅使用小波融合作为影像最后的融合方法,但随着实验的进行发现小波融合并不能把高层建筑物UAV航摄影像完美的融合在一起,出现的鬼影和拼接错位非常明显,所以本文在小波融合的基础上又加入了ALPHA融合,ALPHA融合较好的解决了小波融合后出现的鬼影和拼接错位,但加入ALPHA融合后融合出的影像颜色过度不是很好,需要以后进一步解决。3.本文方法在计算机领域一直处理的是图像,其内存是千字节,而本文处理的是影像数据,其内存在兆字节,所以本文对程序进行了优化处理,使其在进行小波融合时可以边融合边清除使用完成的冗余数据,使其在4G内存的电脑上也可以运行起来。由于本文程序处理影像的数据量较大,本文在程序中加入了先生成抽稀后的影像融合数据,待观察抽稀后影像融合数据拼接质量达到要求再生成最终的融合影像图,节省时间成本,提高效率。融合规则的优劣直接决定了融合后的影像质量,因此本文着重概述了影像融合规则中的低频和高频融合规则。为了评价拼接后的影像质量,本文介绍了影像融合质量的评价指标。本文用融合质量评价指标中主观评价指标对拼接后的影像进行了评价。实验证明:使用本文的方法拼接出的影像质量较高。