海量点云数据给存储、传输、处理等带来极大困难。针对现有算法在特征保留与精简后重建模型表面积、体积、重建误差不能兼顾的问题，提出一种基于邻域点位置特征的点云精简算法。该算法根据权值计算投影面、搜寻矩阵大小以及精简比例对目标点云进行精简。将目标点云网格化处理；寻找投影面垂直方向（正、负两个方向），以目标点为中心，获取搜寻矩阵范围内的点；根据搜寻矩阵内点与目标点的位置关系确定其权值；根据所设的精简比例对原始点云进行精简。将所提算法与曲率采样法、均匀网格法和随机采样法进行比较，并从特征保留、表面积和体积变化率这3个方面进行评价。实验结果表明：所提算法的精简结果对特征区域效果优于均匀网格法和随机采样法，与曲率采样法一致；精简结果误差、重建模型的表面积差和体积差总体优于曲率采样法，与随机采样法基本一致，略差于均匀网格法。因此，所提算法既能较好地保留特征，同时又能使重建后的结果模型表面积和体积变化以及误差都较小，综合效果好。

滤波是机载激光雷达点云数据处理的关键步骤之一，形态学滤波算法作为一种经典有效的机载激光雷达点云滤波算法受到广泛使用。针对大多数形态学滤波算法地形特征保留不佳、滤波效果不好的问题，提出一种基于薄板样条多级插值的形态学滤波算法。该算法结合形态学开运算滤波窗口不断减小的特点，采用薄板样条插值在不同尺寸的窗口下进行处理，此过程由上往下迭代进行，直至窗口大小小于设定的最小滤波窗口尺寸。采用国际摄影测量与遥感协会提供的测试数据集进行实验，结果表明，所提算法精度有明显提高，在建筑物或山坡等地区的滤波效果尤为突出，有效保留了地形特征。

叶绿素a浓度是估算浮游植物生物量的重要指标,连续小波变换是一种重要的多尺度光谱分析方法。本文以粤西、珠江口为案例区,基于地面高光谱和实测叶绿素a的浓度数据,选取10种不同的母小波基函数对高光谱反射率数据进行连续小波变换。运用偏最小二乘回归(PLSR)方法构建叶绿素a浓度的反演模型,分析比较了不同小波变换系数对建模结果的影响。研究结果表明:采用经过多种小波变换后的小波系数与实测叶绿素a浓度进行相关性分析,相关性均高于原始光谱;基于不同的小波变换系数进行建模,反演精度差异较大,其中,基于sym6小波系数的偏最小二乘回归模型的精度最高(决定系数R²=0.732,均方根误差为6.457 μg/L,相对分析误差为2.600),相较于基于光谱特征的传统反演方法精度明显提升。本研究为今后进行二类水体叶绿素a浓度模型构建过程中的小波基优选提供了参考。

机载LiDAR点云滤波是点云数据处理中的关键步骤,大量国内外专家学者对点云滤波算法进行了针对性的研究。近年来滤波算法发展迅速,不断提出各种具有新的理论背景的滤波算法。因此,急需对现有的各种滤波算法进行更为系统的总结。在前人研究的基础上,将点云滤波算法归纳为六类,详细阐述各类滤波算法的原理、实现方法以及所存在的问题。采用国际摄影测量与遥感学会提供的标准数据对各类代表性算法的滤波精度进行了横向比较,总结各类算法的优缺点。最后,对如何进一步提高点云滤波算法的精度以及稳健性进行了展望。该综述有利于点云数据处理研究人员对滤波算法有更为系统、清晰、准确的认识,有望为进一步拓展点云滤波算法以及提高点云后处理精度做出贡献。