本文面向灾害应急的无人机遥感影像快速拼接融合算法的研究，满足灾害应急对灾情影像数据时效性的需求。为研究算法的融合改进对无人机近红外遥感影像精度的提升问题，利用SURF 计算效率高和MSERS 能够提取完全仿射不变区域特征的特点，提出了无人机遥感影像特征提取与匹配的方法，该方法是基于SURF 融合特征，在影像和尺度空间均具有稳定性且具有多尺度仿射不变的可靠性。并对MS-MSERS、MSERS＋SIFT、MSERS＋SURF 三种算法进行配准效果验证。结果表明：MSERS＋SURF 的匹配正确率优于其他两种算法。该算法实现了MSERS 的多尺度检测及拼接效率成果较好的平衡。

无人机加载红外光谱载荷对区域内影像进行获取现已成为遥感领域一种重要的技术手段, 可通过对携带位置信息的影像进行分类提取, 得到植被盖度、 温度指数等一系列因子指标。 利用FREE BIRD(自由鸟)小型低空无人机系统挂载Tetracam红外相机(310万像素)对新疆玛纳斯县一河道进行影像获取。 无人机飞行面积约为205 km2, 为了得到更加精确的植被、 温度等因子, 需要对无人机红外影像进行配准, 通过优化SIFT匹配参数和RANSAC粗差剔除后, 获取了可靠的匹配结果, 即经过算法匹配后的影像与原影像进行了误差比对, 能够满足后期的应用需要, 这也是本文的创新点之一。 将影像进行配准后进行二维影像拼接, 将多张红外影像按照航向重叠度不低于60%, 旁向重叠度不低于50%的概率进行拼接, 得到拼接后的红外影像图。 另外比较了SIFT和SUFT两种算法, 利用优化的SIFT算法及改进的FLIR传感器获取1 600张热红外影像, 利用地面同步测量数据对拼接后的红外影像进行算法匹配, 并利用ENVI(完整的遥感图像处理平台)软件进行温度及植被盖度的影像反演, 得到了研究区域的单一影像及红外影像的温度反演图及植被反演图。 通过对两种算法的对比得到更加优化的算法模型, 并对该模型进行回归分析和精度检验, 得到该模型的相关系数R2为0767, 匹配精度为8151%, 模型精度较高。 本模型的建立对日后无人机红外影像的配准及提取反演奠定了理论和实践基础。

偏振遥感是遥感领域的一个新兴对地观测手段, 地物反射的偏振效应是偏振遥感进行观测的基础。 然而, 地物反射具有偏振效应, 大气粒子的反射与散射也具有偏振效应, 并且大气的偏振效应往往大大强于地物偏振效应。 当用偏振遥感器对地表目标进行观测时, 大气的强偏振效应会干扰甚至覆盖地物的偏振信息。 因此, 如何最大限度地消除大气的偏振效应对地物偏振效应的影响是偏振遥感的一个关键性问题。 大气中性点是大气中偏振度趋近为零的区域。 利用大气中性点进行地-气分离理论的核心思想是将探测器放置于中性点区域进行对地观测, 以减弱大气偏振对地物偏振的影响。 基于国内首次大气中性点偏振遥感航空飞行实验, 通过处理和分析实验所得影像数据, 分别得到了中性点位置和非中性点位置影像偏振度分布, 发现中性点位置偏振度集中分布区域要明显小于非中性点位置, 验证了利用大气中性点进行地-气分离理论的合理性和可行性, 提出了利用中性点进行偏振遥感实验所需要的条件, 并初步分析出, 波长较长的波段更适合于偏振遥感观测。