无人机遥感图像具有高灵活性、高危地区探测、高分辨率、低成本以及高效率等优势，可以广泛应用于军事、农业、城市规划、地理测绘、环境监察等多个方面。为了扩大视野，更好的分析、研究和处理无人机图像信息，通常需要将多幅具有重叠部分的图像拼接成为全面的大场景视图。因此针对无人机遥感图像独有的特点，研究如何精确、快速的完成图像拼接具有非常重要的意义。本文重点对图像拼接的两大关键环节，即图像配准和图像融合环节的算法进行了深入研究并做出改进。主要工作如下：首先，对图像拼接的三个步骤，即图像预处理、图像配准和图像融合每个步骤中的关键技术做了深入研究，其中重点介绍了几种常见的图像配准技术和图像融合技术。其次，本文针对SIFT算法对于低对比度图像提取特征点过少以及SIFT算法效率不高的问题，提出了一种基于自适应对比度阈值的改进SIFT算法。该算法根据特征点局部邻域的灰度信息初步确定对比度阈值，同时根据当前特征点的多少确定对比度阈值系数的大小；特征点越多，系数越大，增大对比度阈值从而达到避免特征点数量过大的目的。实验结果表明，改进后的SIFT算法明显增强了对于低对比度图像的鲁棒性，同时最终提取出的特征点数量稳定在预定的区间内，算法效率显著提高。然后针对RANSAC算法在挑选样本集过程中，因寻找支撑集浪费较多时间的问题，以及因候选点距离过近被当作同一个点而产生误匹配的问题，采用了一种改进RANSAC算法完成图像配准。该算法首先将图像中含有匹配点的区域分成若干块，从每块中分别选取匹配点，从而使候选点距离避免过近；其次控制选取的随机样本集中匹配点对的数量，从而节省了寻找支撑集的时间。实验结果表明，与RANSAC算法相比，改进的RANSAC算法运行效率和正确匹配率更高。最后提出一种基于拼接线搜索的小波变换图像融合算法。首先在待融合图像之间的重叠区域内，逐行搜索亮度值差异最小的点作为最佳拼接点并最终确定理想的拼接线，然后根据不同的尺度和频带分别确定经过小波分解的各层图像中过渡区域的大小，最后在过渡区域中选择适当的融合规则进行分层融合。实验中，将本文算法与以往算法中具有代表性的加权平均融合算法进行比较，分别采用主观评价以及客观评价的方法，结果都表明了本文算法在保证实时性的基础上更好的消除了拼接缝隙，并且过渡区域内图像清晰度更高。