本书以无人机影像为研究对象，从拼接效率与精度两个方面对无人机影像拼接方法进行改进。本书的主要研究内容包括：无人机影像拼接特征点的快速提取。针对SURF算法在特征点提取方面效率不高的问题，从构造尺度空间、特征点检测、特征主方向计算、特征向量计算等过程进行并行优化加速。无人机影像拼接特征点的新特征构建。针对传统SURF算法特征描述向量包含地物信息较少的问题，采用深度学习提取特征点的深层次特征，并与采用SURF算法提取的浅层次特征相融合，构建特征点的新特征，进行后续特征点的匹配。实验结果表明，相比于传统方法，应用构建的特征点新特征进行特征点匹配，匹配精度提高了7%，最终配准的点位偏离程度为0.4个像素，达到亚像素级别匹配。针对无人机拼接影像的地表覆盖类型解译。使用本书方法对无人机影像进行大范围场景拼接实验，采用基于地理对象的影像分析方法进行地表覆盖类型的解译。实验结果表明，应用无人机拼接影像可以等

●前言
第1章绪论
1.1研究背景
1.2无人机遥感技术发展现状
1.3无人机遥感数据处理方法
1.4无人机遥感技术应用领域
1.5无人机遥感未来研究方向
第2章无人机遥感数据处理方法
2.1无人机遥感影像拼接处理
2.2无人机遥感分类数据预处理
2.3全卷积神经网络模型
2.4FCN网络模型
第3章无人机遥感影像快速拼接方法
3.1实验数据
3.2特征点提取
3.3特征点匹配
3.4异常匹配点对剔除
3.5影像变换模型计算
3.6拼接效果
3.7影像融合
3.8本章小节
……