提出了一种高动态条件下星斑模拟及星点目标提取方法。首先，基于黑体辐射建立星点静态像斑模型；其次，基于星体模糊模型和Bresenham直线生成算法生成动态星点像斑模板；再次，利用生成的模板和相关模板匹配法在星跟踪波门内实现星体目标粗定位并进行伪星点剔除；最后，利用质心法在粗定位区域提取星点质心。实验结果表明，该方法能够适应各种长度的曝光时间，并实现星敏感器在3°/s条件下的稳定跟踪。在曝光时间50ms，角速度3°/s的条件下，星对角距误差为10"，平均提取率为97%，与传统方法相比，分别提高了78.4%和36.6%。

作物的生物含量与作物的光学特性有直接的关系, 而植物叶片的双向反射分布函数(BRDF)又直接影响植物的光学特性。 植物叶片的BRDF体现了叶片在各个方向不同的能量反射能力, 直接影响植物叶片的光谱检测结果, 也是植被冠层宏观光学特征的影响因素之一。 对植物叶片的BRDF光学特性及表现出的规律性展开研究和讨论, 能够有效提高植物无损检测光谱模型的稳定性和可靠性, 提升利用作物光谱模型反演理化特性的准确性和可靠性。 首先介绍了植物叶片的BRDF快速获取方法及自主研发的方向性光谱检测仪器, 该仪器能够在入射光的方位角和天顶角、 接收探头的方位角和天顶角这四个维度进行调整, 实现多入射角和反射角的反射光谱数据采集。 单子叶植物的叶脉呈纵向分布, 因而体现出较为显著的各向异性, 玉米和小麦是两种较为典型的单子叶农作物。 通过自主研发仪器获取不同波段范围下的玉米和小麦的反射光谱信息, 并分析总结其反射分布规律。 采用文中所介绍的BRDF计算方法对光谱数据以及白板校正数据进行计算, 再结合MATLAB程序对光谱反射数据的图像映射, 对反射结果与叶绿素含量和叶片含水量这两个叶片典型理化参数的相关性进行分析, 最后探讨了采用ANIX系数对叶片的各向异性进行量化分析的方法。 选取小麦在可见光波段以及玉米在近红外波段的数据, 结果表明, 小麦和玉米在各波段下的fr分布均关于入射天顶角两侧微小空间对称, 在相同波段下, 不同入射天顶角下的fr值大小基本一致; 在相同入射天顶角下, 小麦在800 nm波段下的fr值最大, 680 nm波段下的fr值最小, 这是由于680 nm波长附近是叶绿素强吸收的特征波段, 而800 nm附近是叶绿素反射的特征波段, 且在相同波段下, 叶绿素浓度的升高会导致fr值的增大; 在水的强吸收特征波段1 450 nm下, 玉米的fr值随着含水量的升高而增长。 分析表明, 作物的BRDF特性能够有效反映叶片主要生物含量的变化, 同时计算所得到的各向异性指数也体现出一致的变化规律, 为建立稳定且可靠的作物光谱定量分析模型提供了理论和实践基础。

农作物病害严重影响了我国正常的农业生产, 现代农业迫切需要快速、 准确、 高效的作物病害诊断方法。 首先简单介绍了常用病害检测技术, 如: 聚合酶链式反应技术、 人工感官判定技术、 统计学方法等, 这些方法或是比较费时、 或是只能用于产生明显病斑后的病害诊断, 而光谱技术在植物病害的快速检测方面有一定的潜力, 目前已有大量的研究成果。 主要围绕可见/近红外光谱图像在病害检测的应用展开分析和讨论, 讨论了该技术所涉及的仪器, 并从细胞、 植物组织、 冠层及更大尺度层面分析了该技术在病害检测中的现况。 目前大部分与植物病害有关的可见/近红外光谱研究都以植物叶片为对象, 而在更小尺度（细胞至显微尺度）和更大尺度（冠层至航空/航天遥感方面）上的研究较少, 特别是单细胞级别的病害研究, 只在动物细胞领域展开, 而且以荧光、 拉曼、 红外光谱为主。 可见/近红外在以植物叶片为主要研究对象的器官尺度上有大量的成功应用, 目前的研究已涉及了大部分的常见作物及其主要病害, 包括真菌性、 细菌性等各种病原引起的病害的检测。 植物叶片尺度的研究主要从以下三个方面展开: (1）基于计算机图像处理和模式识别的病害信息自动快速判断; (2）基于化学计量学方法的高光谱或高光谱图像病害程度模型; (3）建立与作物病害有关的叶片某些理化参数的光谱模型, 从而量化病害的程度。 在植物叶片这一尺度相关研究的主要问题是: 研究过于碎片化, 往往只研究了某一种或少数几种病害, 所建的模型只能用于特定实验条件, 无法直接自动判断任意田间样本的染病种类与程度。 在近地冠层尺度, 植株的三维形态对光谱模型有较大的干扰, 有文献表明以植株近地冠层2D图像作为病害检测数据, 偏差较大, 所建模型不稳定, 基于卫星影像的病害模型较少。 还讨论了常用光谱及光谱图像建模与分类方法。 目前可见/近红外光谱在农作物病害方面有一定的应用潜力, 但存在研究内容的不平衡、 研究系统性不够、 各学科合作研究不够深入等几大问题。 最后提出可见/近红外光谱在病害检测领域中应更注重多学科的深入合作, 并急需相关的仪器设备、 方法模型方面的突破。

植物叶片是植物光合作用的重要器官, 直接体现了植物生长及营养状况。 植物叶片反射、 透射的内部理化信息模型间接反映了植物生长过程中物质、 能量交换信息, 是植物生长过程精细化管理的前提和基础。 植物叶片空间光学特性对基于遥感的作物营养状况诊断、 虚拟植物光线传输模拟、 计算机图形学场景渲染等领域具有重大意义。 双向反射分布函数(BRDF)主要研究物体表面反射光的空间分布特性和光谱特性, 通过对作物叶片光学特性的获取和测定, 准确、 高效地表征作物生长参数, 并进行定量分析, 在植被遥感、 农业等领域的研究与应用中有着极大的优势。 为了更好地把BRDF技术应用于农业遥感、 数字农业等领域中, 将针对BRDF测量装置、 模型发展和分类及其在植物遥感检测中的应用等环节展开叙述。 最后结合综述内容, 分析了BRDF技术在农业遥感领域的局限, 并对其应用前景进行了展望。

转基因技术对于实现粮食增产, 保护生物多样性, 减少化学农药使用量等方面有着重大意义, 但也可能存在一定的安全隐患。 因此, 转基因作物检测鉴别技术的研究愈发受到重视。 本文采用中红外光谱分析技术, 研究对不同品种的转基因大豆及其亲本进行鉴别的可行性。 实验采集了三种不同的非转基因大豆亲本（HC6, JACK和W82）及其转基因大豆品种在3 818～734　cm-1范围内的光谱信息。 采用偏最小二乘-判别分析（partial least squares-discriminant analysis, PLS-DA）进行判别分析, 三种大豆的建模集的判别正确率分别为96.67%, 96.67%和83.33%, 预测集的判别正确率分别为83.33%, 85%和85%。 研究中采用X-loading weights、 变量投影重要性（variable importance in the projection, VIP）和二阶导数（second derivative, 2-Der）三种特征波数选择方法对光谱数据进行处理, 并根据得到的特征波数分别建立PLS-DA模型进行判别分析, 三种大豆的建模集和预测集的判别正确率均超过76.67%和75%。 采用主成分分析（principal component analysis, PCA）和独立组分分析（independent component analysis, ICA）两种特征信息提取方法对光谱数据进行处理, 分别建立PCA-PLS-DA和ICA-PLS-DA模型进行判别分析, 三种大豆的建模集和预测集的判别正确率均超过80%和75%。 研究表明中红外光谱分析技术可以较为准确地鉴别非转基因亲本与转基因品种, 为转基因大豆的无损鉴别提供新的思路。 同时结合特征波数选择方法与特征信息提取方法可以有效地降低模型复杂度, 减少程序运算量。

保鲜膜能提高果蔬保水性, 隔绝外界细菌侵染, 延长货架期。 为了准确估测覆盖保鲜膜果蔬品质的优劣, 对其货架期进行预测具有重要意义。 应用高光谱技术结合化学计量学方法对同等贮藏条件下覆膜新鲜菠菜叶片的货架期进行了预测。 先采集五个不同贮藏时间下75盘共300片菠菜样本在可见-近红外（Vis-NIR, 380～1 030 nm)与近红外（NIR, 874～1 734 nm)波段的高光谱数据, 然后测定不同贮藏时间下菠菜叶片叶绿素含量。 提取300片覆膜菠菜叶片的平均光谱（200个为建模集, 100个为预测集)后, 对建模集光谱进行主成分分析（principal component analysis, PCA), 发现不同贮藏期内叶片光谱数据在前3个主成分空间有一定的聚类。 根据建模集光谱信息与预先赋予的不同贮藏期虚拟等级分别建立偏最小二乘判别分析（partial least squares discriminant analysis, PLS-DA)模型, 得到预测集样本的贮藏期总的判别准确率分别为83%（Vis-NIR)和81%（NIR)。 表明, 高光谱技术结合化学计量学方法能够实现对新鲜菠菜货架期的分类和预测, 为消费者正确评价覆盖保鲜膜的菠菜品质提供了理论指导, 也为后期果蔬货架期检测仪器的开发提供了技术支持。

为准确且无损测定小麦叶片的反射光谱, 研究了不同背景对叶片表面反射光谱的影响, 在400～1 000 nm波段范围测定了小麦叶片8种背景下的反射光谱以及叶绿素含量。 以PLATE模型为基础, 首次提出了BPLT(background plate)模型, 扣除由不同背景导致的叶片反射光谱的变化。 模型以背景下叶片的反射率R0, 不同背景反射率σ为输入, 空气和致密叶片的界面反射比R12, 致密叶片和空气的界面反射比R21, 致密叶片的透射系数τ三参数中间变量, 得到最终无背景时叶片反射率R值的2-3-1模型。 采用方差分析法(analysis of variance, ANOVA)进行了BPLT模型验证, 对比分析了背景扣除前后10种叶绿素指数值的变化。 结果表明, 当反演的确定系数DC(determination coefficients)>0.90且残差平方和SSE<1时, 反演的灵敏度较高, 对小麦叶片不同叶绿素浓度的背景扣除有着较好的效果; 采用BPLT模型背景扣除后, 背景因素所占的百分比低于5%; 优选了NDI&MCARI的函数关系, NDI&MCARI的斜率和叶绿素浓度的R2由背景扣除前的0.847 4提高到背景扣除后的0.977 8。 为真实测定不同背景下小麦叶片的反射光谱提供了依据。

用高光谱图像技术结合化学计量学方法, 实现了番茄叶片中过氧化物酶(POD)活性的快速检测。 利用高光谱图像的光谱特征建立预测模型步骤为: 采集高光谱图像数据、 获取光谱曲线、 光谱数据预处理、 提取特征波段、 建立POD酶活性预测模型。 与预处理方法(SG, SNV, MSC, 1-Der和2-Der)相比, DOSC预处理对POD酶活性预测效果最好。 研究表明: 以443, 464, 413, 410, 401, 402, 426和926 nm这八个特征波段的光谱数据建立的DOSC-SPA-PLS模型对POD酶活性预测结果为Rp=0.935 3, RMSEP=37.80 U·g-1。 这说明高光谱图像技术测定番茄叶片POD活性具有可行性, 且预测结果令人满意, 这为抗氧化酶活性和番茄植株生长状况的动态检测提供了新的方法。

近红外光谱技术是一种快速、 无损的分析方法, 国外将该技术应用于奶酪品质的检测已有多年, 国内在这方面的研究较少。 通过本文介绍了近红外光谱技术分析奶酪成分和在奶酪的加工生产、 缩水收缩控制、 成熟过程、 货架期、 组成成分和品牌分类鉴别等几个方面的应用, 表明近红外光谱技术在奶酪品质分析中应用潜力巨大, 促进近红外光谱技术的应用和我国奶酪行业的发展是一项紧迫的任务。