现今,与无人机相关的技术发展十分迅速,尤其是利用无人机搭载高清摄像头获取影像数据,已被广泛应用,但是单幅无人机图像无法展示一个完整区域的具体内容。为了获取分辨率更高、视场角更大的无人机影像,本文对无人机影像拼接技术进行了研究,并利用GPU框架对拼接过程进行加速。另外,在雾天环境下进行无人机航拍会极大地影响图像的成像质量,而且会出现图像特征信息模糊的问题,这可能导致之后无法正常地进行特征点提取。本文考虑了对无人机图像进行去雾预处理,研究了图像去雾的方法。具体研究内容归纳如下:（1）在雾天环境下获取到的无人机图像会出现特征信息模糊的现象,甚至无法正常提取特征点。为了更好地对有雾的无人机图像进行特征点提取,本文提出了基于暗通道的自适应图像去雾方法,在大气散射模型基础上,对天空区域和非天空区域进行分割,天空区域使用颜色衰减先验,非天空区域使用改进暗通道先验求解透射率,最后用加权导向滤波对图像进行平滑处理。实验结果表明,无论从主观和客观评价上,本文提出的算法较其他经典算法,在去雾处理后效果更好,能够尽可能多的保持物体的细节,为之后的特征点提取打下基础。（2）传统SURF方法仅使用CPU进行运算,导致其运行时间长。另外,传统SURF方法特征点匹配正确率低。为了提高图像拼接过程的计算速度,并确保图像特征点匹配的正确率,在对传统的SURF算法进行分析后,本文提出了FSURF算法。该算法结合GPU高度并行的架构,将SURF算法中积分图像计算、特征点提取、特征点描述这些并行度高的计算过程使用GPU进行加速运算;特征点匹配过程采用了双向快速近似最近邻算法来对特征点进行粗匹配,并利用PROSAC算法来进行去误匹配。实验结果表明,FSURF算法的运行速度较传统SURF算法更快,且匹配正确率比传统算法要高,匹配效果有提升。（3）由于两幅待拼接图像的曝光度不同,传统最优缝合线算法融合后的图像在重叠区域存在色彩突变,会出现一条较明显的拼接裂缝。为了消除色彩突变,本文对最佳缝合线算法进行改进,在寻找到最佳缝合线后,使用加权融合算法对缝合线两侧进行平滑,使得拼接后的图像过渡更自然。