由于无人机低空遥感数据具有高分辨率、高灵活性、高效率和低成本的优势,无人机被广泛应用于战场侦察、森林火灾监控、自然灾害区域评估等方面。然而由于无人机图像具有相幅小、数量多、影像的倾斜度大、重叠不规则等特点,致使现有的图像拼接算法难以获得很好的拼接效果。因此,能否根据无人机图像特点研究出有效的图像拼接算法成为成功应用无人机的关键。本文针对因无人机图像的特点而造成的拼接工作量大、精度低等问题对基于特征的图像拼接算法进行了改进,对其流程进行了优化,使该算法在速度以及精度上都有一定的提高。首先,实现了用于计算参考图像和待配准图像之间重叠度的相位相关法;并提出只在重叠区域中进行特征提取和特征匹配的方法,从而使得计算量成倍减少,并有效地防止了图像非重叠区域中的信息对算法的干扰,提高了拼接算法的精度。其次,采用改进的Harris角点检测算法在参考图像和待配准图像的重叠区域里进行特征点提取,并根据由重叠度算出的待配准图像相对于参考图像移动的距离,剔除两个特征点集里明显不匹配的特征点,再通过相似度函数找出匹配的特征点集。相对常规的先匹配再剔除特征点的方法,这种方法在保证了较小计算量的同时可以大幅度地减少误匹配点对。然后,利用匹配的特征点集对待配准图像进行模型变换,实现了图像的配准;并采用一种渐入渐出的融合算法对配准后的图像进行融合,消除了图像拼接中产生的明显缝隙,改善了图像的视觉效果。最后,利用无人机在灾害地区获取的大量遥感数据,对该算法中图像配准、图像融合的效果进行了质量评价。各项实验数据均表明改进的图像拼接算法能得到良好的拼接效果,且具有高准确率、强鲁棒性等特点,有较高的使用价值。