（1）根据无人机遥感图像成像的内、外方位元素，采用直角空间变换及二次线性插补方法，实现了遥感图像校正。 （2）提出一种分布存储环境下的并行几何校正算法，每个处理器通过计算本地输入子图像在目标图像中的范围，确定其需要进行重采样计算的区域，使计算过程中所需的数据均为本地数据，很好地解决了数据局部性问题。 （3）基于图像数据总体分布的统计，分析了飞行试验图像的成像质量。基于人眼亮度视觉特性曲线，结合小波变换和Curvelet变换特点，提出一种新的图像增强方法，实现了无人机遥感序列图像的自适应增强处理。 （4）提出结合小波变换和Canny算法的边缘提取算法，该算法将Canny算法的非极大值抑制、双阈值算法与小波变换多尺度分析思想相结合，利用Canny算法在高分辨率图像的精确定位性与小波变换后的低分辨率图像的抗噪声能力相结合，从而消除噪声的干扰，提取更加完整的边缘。 （5）将图像匹配分为粗匹配和精匹配两个步骤。在粗匹配计算中，首先确定待拼接的两幅图像之间的大致重叠区域，然后利用小波变换与Canny算法提取图像边缘，最后采用区域匹配法求得两幅图像的匹配点。 （6）基于人眼的颜色视觉特性分析，本书提出了一种具有抗亮度干扰能力的彩色图像色差度量方法。 （7）目标的特征描述是跟踪算法中的重要步骤，直接影响最终的跟踪效果，决定整个跟踪系统的性能。 （8）传统的离线分类器需要人为标记大量的样本训练分类器，当待测样本与训练样本具有较大差异时，无法及时适应目标的外观变化，且难以推广到其他目标类型，分类器应用具有局限性。