高光谱遥感技术凭借其高光谱分辨率、窄波段范围、图谱合一和连续成像的特点，能够识别细微的地物光谱差异，探测其他宽波段遥感技术难以捕捉的信息。因此，它在生态、大气、海洋、农业、林业和矿业等多个领域展现出显著的优势。近年来，随着成像光谱仪硬件技术的进步，这些设备变得更加小巧、轻便和经济，使得高光谱影像的采集更加便捷。

与此同时，无人机技术的发展也促进了新型遥感技术的应用。科研人员利用无人机平台，结合成像光谱仪，开发出新的研究方法。然而，无人机拍摄受到飞行高度和相机参数的影响，单张影像覆盖的区域有限，需要将多张影像拼接起来才能全面覆盖研究区域。尽管如此，为每张影像单独添加控制点信息的工作量巨大，而统一添加控制点则会大幅提高效率。目前，有关无人机高光谱影像的拼接方法的研究相对较少，特别是在处理无人机高光谱内置推扫获取的数据方面。

鉴于此，本研究提出了一种低空无人机高光谱影像自动拼接方法，该方法具备高效、高精度和低光谱畸变的特点，无需地面控制点即可实现自动拼接。本文首先介绍了实验设备和数据处理流程，然后详细阐述了数据采集、预处理、拼接流程以及拼接效果检验的方法。

实验地点位于北京市大兴区南六环外的黄村镇李村，使用的大疆M600 Pro无人机搭载了四川双利合谱科技有限公司生产的GaiaSky-mini高光谱成像仪。高光谱影像的获取时间为2017年11月8日12:00至14:00，期间天气晴朗，飞行高度为400米，影像的空间分辨率为约20厘米。此次飞行共收集了24张高光谱影像，每张影像覆盖面积约36100平方米。

影像预处理包括镜像变换、黑白帧校准和大气校正。拼接流程则包括计算波段信噪比、挑选特征波段、使用SIFT算法提取特征点并匹配特征点、利用经纬度和墨卡托投影纠正图像变形，以及通过重投影空三算法优化高光谱相机参数。在拼接前后，还对是否进行匀色处理进行了对比分析。

为了验证拼接效果，提取了拼接结果堆叠区域的8个采样点的光谱反射率，使用光谱角填图（SAM）、波谱特征拟合分类法（SFF）和二进制编码（BE）进行相似性分析。结果显示，无论是否进行匀色处理，拼接前后的光谱曲线相似度都很高，证明了拼接方法的有效性。

此外，为了评估不同硬件配置下的拼接效率，使用两台不同性能的笔记本电脑对不同数量的高光谱影像进行拼接测试。结果显示，性能更好的Dell7520处理速度远超ThinkPad T440P，尤其是在处理大量影像时。

综上所述，本研究提出的无人机高光谱影像自动拼接方法解决了单幅无人机高光谱影像图幅过小的问题，实现了高效、高精度和低光谱畸变的拼接。这项技术不仅适用于大范围高光谱影像分类与识别、土地利用/覆盖分类、精细农业和环境监测等领域，也为其他无人机高光谱遥感影像的自动拼接提供了参考。