网络功能虚拟化技术能有效地降低网络投资成本,且能够提高网络服务的灵活性。而虚拟网络功能配置是网络功能虚拟化中需要解决的一个关键问题。为解决弹性光网络中虚拟网络功能服务链的选路和虚拟网络功能配置问题,建立了一个以网络中最大占用频隙号、网络中占用频隙数,以及配置的虚拟网络功能数目最小化为目标的全局约束优化模型。将虚拟网络功能划分为具有依赖关系的虚拟网络功能和不相互依赖的虚拟网络功能两种类型。为高效地求解所建立的模型,设计了具有高效编码方法、交叉算子,以及变异算子的遗传算法。在不同的网络拓扑和参数下进行了仿真实验,实验结果表明所设计的算法能够得到比对比算法更优的虚拟网络功能服务链的选路方案和虚拟网络功能配置方案。

针对多纤芯弹性光网络中业务的路径选择、纤芯选择和频谱分配问题进行了研究。建立了全局约束优化模型, 设计了基于纤芯轮换选择的启发式算法及其改进算法。在改进算法中, 根据不同的排序策略将业务排序; 然后根据业务的源宿结点以及所选取的路径将业务划分到不同的业务集合中, 在同一类业务集合中采用基于纤芯轮换的选择机制进行纤芯的选择; 在选中的纤芯上采用首次命中法进行频谱分配。在两个网络中进行了仿真以验证算法的性能, 仿真结果表明, 所设计的算法以及改进的算法能够得到比对比算法更优的路径选择与纤芯选择方案。

针对弹性光网络中业务的选路、频谱分配进行了研究，考虑到物理节点对业务安全性的影响，建立了以满足业务最低安全级别要求为约束、以最小化网络中最大占用频隙号为优化目标的全局约束优化模型。为有效求解该约束优化模型，设计了全局优化算法。将疏导后的业务按照某种排序策略进行排序，为每个业务选择K条满足业务最低安全级别要求的路径。利用改进的遗传算法为每个业务选择合适的路径并确定最优的频谱分配方案，使得网络中最大占用频谱号最小。为验证该算法的有效性，在不同的网络拓扑中进行了仿真，结果表明，所设计的算法可实现高效的频谱分配。

点云数据滤波是机载激光雷达(LiDAR)数据处理研究中很重要的问题之一。提出了一种基于区域预测的LiDAR 点云数据形态学滤波算法，该算法由点云数据建立规则格网、去除粗差点，对实验区域进行分块，然后使用各个分块区域的高程标准差预测地形坡度参数s 从而进行渐进式形态学滤波，最终确定地面点。文中算法优点在于可以根据区域地形起伏情况自适应地得到阈值进行滤波。使用国际摄影测量与遥感学会(ISPRS)提供的测试数据进行实验，实验结果表明，提出的算法能够有效去除地物点和保留地面点，并且能有效降低总误差。

给出了一种三角形形变量的定义，并提出了基于不规则三角网(TIN)的LiDAR数据边缘检测新方法。将点LiDAR数据进行三角剖分，生成不规则三角网，计算TIN中每个三角形的形变量，根据三角形形变量的不同来确定处于地物目标边缘的三角形，对这些边缘三角形进行处理得到边缘点。针对LiDAR数据中可能由于河流等导致的数据空白区域，仅利用三角形形变量无法检测到所有边缘点的问题，提出了顶点到重心距离的平方和作为测度来确定狭长三角形，从而提取到河流等数据空白区域的边缘点。实验结果表明，该算法能够较好地提取LiDAR 数据的边缘点，得到LiDAR数据的边缘信息。