随着无人机技术的快速发展,利用无人机遥感技术对核电站温排水所造成的海域热污染进行监测,为海洋温度监测提供可靠有效的数据和实现对海洋生态环境的保护。工程中利用无人机搭载红外热成像仪获取较大视场的影像得到广泛发展的同时仍存在两点不足:红外热成像仪采用视场较大的广角镜头极易引起图像畸变现象;无人机飞行高度的限制,导致无法对研究区域有全局的掌握。因此,为获取大面积场景的遥感影像,完善和发展航拍红外影像拼接技术是至关重要的。本文以防城港红沙核电站邻近海域的温度监测为工程背景,针对上述图像畸变校正和图像拼接两类问题展开研究,解决海域整体温度场示意图的制作问题对后期温排水的环境影响判别评估具有一定的工程意义。主要工作如下:(1)针对红外热成像仪广角镜头导致影像产生畸变的原因进行了系统分析。对传统畸变校正的等效曲面模型法和网格模板法进行了理论分析和原理推导,为研究这两种算法的适用性和校正效果,通过大量仿真实验实现对红外影像的畸变校正。(2)提出一种基于遗传算法与贝叶斯正则化优化BP神经网络的图像畸变校正方法,该方法充分利用了神经网络在数字图像处理上的优势,建立理想影像与畸变影像间的映射关系以实现影像的畸变校正,而贝叶斯正则化的引入可有效避免传统BP神经网络易过拟合的现象,同时遗传算法的使用极大提高了神经网络的稳健性和全局优化能力。最后,以防城港红沙核电站的红外影像进行算法验证,与传统校正方法进行精度对比,验证了该算法在解决图像畸变问题上的可行性和有效性。(3)针对海域等工程环境无明显特征信息的拼接问题,提出了一种基于无人机POS信息和傅里叶梅林变换的配准方法,该方法先利用POS信息进行整体影像配准,若发现POS信息出现存在偏差时,则利用傅里叶梅林算法对POS信息存在偏差的影像进行位置精度的内校正。通过对核电站的部分影像进行拼接仿真实验,验证了该方法在配准精度上比仅依据无人机POS信息的配准方法更为优良,可以很好地弥补无人机POS信息存在偏差的问题,具有良好的工程适用性。其次提出采用结合最佳缝合线与多分辨率的融合算法,该算法可以有效地解决在拼接融合过程中出现的“黑边”和拼接痕迹等问题,大大提高融合影像的视觉效果。