无人机技术的成熟以及产品的普及,使航拍成为了流行的拍摄方式,与传统拍摄方式相比,航拍的图像分辨率高,覆盖范围广,这给航拍图像处理技术带来了新的挑战。在航拍图像处理技术中,航拍图像的融合是一种关键的技术,这对于生成高质量的航拍图像具有重要的意义。针对传统的图像融合技术已经无法满足航拍图像快速计算的需求,本文提出了对传统的图像融合算法进行并行化改进的方法,通过在GPU中的实现并行化计算使得改进后的算法效率提升了200倍。具体来说,本文有以下主要成果和贡献:1.提出了一个多视点航拍图像拼接模型。传统的图像拼接模型假设待拼接图像的拍摄点没有大范围的移动,而航拍图像的飞行器在飞行过程中进行拍摄,每一幅图像的拍摄点和前一帧相比均有一定距离的位移。针对航拍图像拍摄点一直变化的特点,我们提出了一种多视点的航拍图像拼接模型,实验表明该模型能够很好地对航拍图像进行拼接,解决了图像拼接的变形问题。2.构建了GPU并行加速的航拍图像融合技术框架。针对经典的多尺度图像融合算法和基于均值坐标的图像融合方法对大数据量的航拍图片融合效率低的问题,提出了通过GPU来实现并行化使算法提速。首先,通过使用等价权值函数,拉普拉斯金字塔和高斯金字塔中的每一层中的每个像素的计算都可在GPU中完成,进而实现了原始算法的并行化处理。改进后的算法速度较初始算法的运算速度提升了200倍。其次,在基于传统的均值坐标图像融合方法对两幅图像实现并行化的的基础上,通过确定融合边界,提前计算融合边界值,解决了多幅图像的均值坐标图像融合算法的并行化计算,改进后的GPU均值坐标融合算法比CPU均值坐标融合算法快了80倍以上。3.改进了一种增强视觉观感的图像融合方法。该方法是对均值坐标融合方法的改进,通过对融合方向的双向化,使得融合结果更加接近真实场景的颜色。该算法不破坏均值坐标融合方法的并行性,仍然可以在GPU中高效地实现。改进后的融合方法很大程度提升了均值坐标融合方法的视觉观感。