近年来,无人机在地球测绘、公共安全、精确打击等军事和民用领域的应用层出不穷。对无人机拍摄影像内容的定位（获取影像中每个像素对应的经纬度）是无人机多种典型应用的基础,既是无人机影像理解的内在任务,也是后续完成目标打击、目标跟踪等任务的关键。受限于无人机携带定位设备的精度、多径干扰及漂移等情况的影响,传统无人机影像方法定位流程复杂、定位误差大,难以适应应急保障等时效性强的无人机影像定位的现实需求。鉴于此,本文将无人机POS信息与无人机影像相结合,将无人机影像定位问题转化为无人机影像与带地理位置卫星遥感影像的匹配问题,研究高效准确的无人机影像定位方法,具有重要的理论意义和应用价值。论文的主要工作在于:1.提出了一种基于EEMS-Unet的无人机影像建筑物语义特征提取方法。遥感影像中建筑物尺度不同、边缘不够清晰等原因导致建筑物提取效果不佳,尤其是对不规则建筑物提取效果差。本文结合建筑物自身特性,通过设计多尺度的扩张卷积核模块并引入结构相似度损失函数提出无人机影像建筑物语义特征提取网络EEMS-Unet（Enhanced Edge and Multi-scale building extraction Unet）。实验表明,本文提出的EEMS-Unet网络能改善建筑物边缘提取效果、减少细节丢失并减轻不规则建筑物语义提取不完整的问题,在卫星影像公开数据集WHU-045和湖南邵阳无人机影像数据集上Io U度量上分别比Unet网络提取结果提高9.7%、11%,在F1-score度量上分别比Unet网络提取结果提高7.8%、4.7%,语义特征提取结果有显著提高。2.提出了一种基于改进的加权尺度各向异性迭代最近点算法WASICP的语义特征匹配方法。针对无人机影像建筑物提取结果不完全准确、噪声点和异常点多;无人机影像与异质卫星影像间存在尺度差异、建筑物本身不一致等问题,本文提出了一种改进的加权尺度各向异性迭代最近点算法WASICP（Weighted Anisotropic Scaled Iterative Closest Point）。该方法适用于无人机影像和异质卫星影像的语义特征匹配,通过误匹配点剔除、加权迭代等改进改善了语义特征配准效果,克服传统特征匹配方法失效的问题。实验结果表明,WASICP方法在公开标准数据集和实际无人机-卫星匹配数据集上匹配精度相比标准ICP方法有显著提高。3.提出了一种粗定位-精配准的两阶段无人机影像定位策略,实现无人机影像的秒级、地物级配准。本文结合摄影测量方法和基于计算机视觉方法各自优势,提出了一种粗定位-精配准的两阶段无人机影像定位方法。该方法首先使用摄影测量的方法对无人机影像进行粗定位,其定位误差取决于无人机自身携带的POS信息精度;然后,基于深度学习提取无人机影像中的建筑物语义特征与卫星影像中的建筑物语义特征进行配准。该方法无需外场作业布设控制点,仅利用无人机影像和POS参数便可实现秒级、地物级的无人机影像快速定位。