跨视角景象匹配是指从不同平台（如无人机、卫星等）发现同一地理目标的图像。然而，不同图像平台会导致无人机（UAV）定位和导航任务精度较低，现有方法通常只关注图像的单一维度，忽略了图像的多维特征。针对上述问题，提出一种全局注意力和多粒度特征融合（GAMF）深度神经网络以改进特征表示，提高特征可区分度。首先，GAMF模型结合无人机视角和卫星视角的图像，在统一的网络架构下延展为3个分支，从3个维度提取图像的空间位置、通道和局部特征；然后，建立空间全局关系注意力模块（SGAM）和通道全局注意力模块（CGAM），引入空间全局关系机制和通道注意力机制捕获全局信息，从而更好地进行注意力学习；其次，为了融合局部感知特征，引入局部划分策略，以更好地增强模型提取细粒度特征的能力；最后，联合3个维度的特征作为最后的特征对模型训练。在公开数据集University-1652上的实验结果表明，GAMF模型在无人机视觉定位任务上的平均精准率（AP）达到了87.41%，在无人机视觉导航任务中召回率（R@1）达到了90.30%。验证了GAMF模型能够有效聚合图像的多维特征，提高无人机定位和导航任务的准确性。
