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较好地提取下垫面地表覆盖类型，满足应用要求。

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
2.4 FCN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
第4章 无人机影像快速拼接方法实践
4.1 研究区与数据
4.2 影像拼接技术路线
4.3 影像拼接实现
4.4 本章小结
第5章 基于FCN的无人机遥感影像水体提取方法
5.1 深度学习框架平台的搭建
5.2 VGGNet网络模型的导入
5.3 FCN网络的搭建
5.4 水体数据的训练
5.5 实验结果分析
5.6 总结与展望
第6章 基于深度学习的无人机遥感影像分类
6.1 影像分割
6.2 分类
6.3 精度评价
第7章 无人机遥感应用实践
7.1 无人机遥感在低温雨雪冰冻灾害监测中的应用
7.2 无人机遥感在汶川地震灾害应急监测与评估中的应用
7.3 无人机遥感在农业病虫害监测中的应用
7.4 无人机遥感在农业灾损调查与保险损失核查中的应用
7.5 无人机遥感在洪涝灾害监测评估中的应用
7.6 无人机遥感在干旱灾害监测评估中的应用
7.7 无人机遥感在其他气象灾害监测中的应用
参考文献