由于卫星遥感合成孔径雷达（SAR）与可见光图像之间存在显著的非线性辐射差异，故现有的SAR与可见光图像配准算法存在实时性差、旋转与尺度不变性弱等问题。针对目前算法只关注图像局部特征的外观信息，而忽略几何结构信息的问题，提出了一种结合卷积与图神经网络（GNN）的SAR与可见光图像匹配方法。该方法采用卷积神经网络进行特征检测与描述的同时，引入了GNN进行特征匹配。与最近邻匹配算法仅利用局部描述符信息相比，GNN先将特征点的位置坐标嵌入到描述符中，使得描述符具有几何位置信息，再利用注意力机制进一步聚合特征描述符的几何上下文信息，最后利用可微分的最优传输算法直接输出特征点的匹配结果，保证了网络可进行端到端的训练。实验结果表明：所提方法在大范围旋转与尺度变化的配准任务上，获得了最先进的性能；与目前主流配准算法辐射不变特征变换相比，所提方法在提升匹配精度的同时，计算速度也提高了50倍以上。

霾监测是环境治理中的关键技术之一。目前地面观测站进行霾监测的耗费较大,基于多光谱遥感的霾识别精度较低。将深度学习用于高光谱遥感数据的霾监测,提出一种基于深度残差网络的高光谱霾监测方法,利用深度网络提取霾光谱曲线特征,再使用残差学习等方法降低网络训练难度,得到了霾监测模型。苏州地区Hyperion高光谱数据集上的实验表明,与其他遥感霾监测方法相比,所提方法的霾识别精度更高。

为了提高融合后多光谱(MS)图像的质量，提出一种基于稀疏表示的遥感图像融合方法。建立MS图像与其亮度分量之间的线性回归模型；利用训练的高、低分辨率字典分别对全色图像和MS图像进行稀疏表示，并根据线性回归模型获得MS图像亮度分量稀疏表示系数；根据全色图像和亮度分量的稀疏表示系数提取细节成分，并在通用分量替换(GCOS)融合框架下注入到MS图像各波段的稀疏表示系数中；进行图像复原得到高空间分辨率的MS图像。由于稀疏表示可有效地刻画信号的内部结构与特征，融合后的MS图像能够在提高空间分辨率的同时，较好地保留原始MS信息。IKONOS MS图像的融合结果表明，该方法在光谱保持和空间分辨率提高方面优于其他传统的遥感图像融合方法。

飞机环境监视系统AESS是由地形感知与告警系统、空中交通警戒与防撞系统、S模式应答机、机载气象雷达等构成，是大型民机航电系统的重要组成部分，它的研制对于提高飞行安全有非常重要的意义。根据ARINC-768等适航标准，对AESS各分系统的功能进行分析，提出一种系统功能集成方案，给出系统综合的接口设计，制定综合画面显示和语音告警的系统输出策略。基于高层体系结构构建AESS分布式仿真系统，实现了分系统间的互联、信息交互以及仿真同步，并基于Vega Prime实现了飞行环境仿真分系统用于同步演示三维飞行环境。该仿真系统可对AESS的关键技术进行验证。

综述了民机地形感知警告系统(TAWS)及其前视功能的产生背景、发展过程，介绍了TAWS前视功能的主要原理。对前视功能的报警阈值时间设置方法进行了研究，给出了报警阈值时间设置的分析算法模型，并利用Matlab工具进行了仿真，得到了相应的仿真结果。最后，对进一步提高TAWS前视功能仿真精确度，以及TAWS产品性能优化方法提出了建议。

Dvorak 等人提出的基于卫星云图的云型和云系特征的热带气旋强度估计方法已被世界气象组织推荐给全球使用。本文尝试从历史数据中自动发现典型的云型模式,实现Dvorak 模板图像的自动选取、匹配和识别。采用SOM 对12000 多幅红外云图进行聚类,采用提出的局部统计信息等特征,分析了某些距离作为相似性度量存在而只能发现球形簇的缺点;对不同的特征和相似性度量进行了对比试验,并分析了SOM 拓扑误差和量化误差。从实验结果可以看出,局部精特征有着最小的量化误差,但聚类准确度较低。原始图像作为输入特征时,有着较高的聚类准确度及拓扑保持度。局部统计信息特征比局部情特征量化误差大,但有着更高的聚类准确度。这些结论为采用无监督聚类方法来发现云型模式并找到最佳的特征和较好的相似性度量以取得更好的结果提供了重要的参考,也有助于避免目前云图自动化分析研究中对特征和度量选取的随意性。

提出一种结合波段相关性判定和SPIHT编码的方法对MODIS多光谱图像进行无损压缩.首先计算各波段间的相关性,选择相关性强的波段进行预测以去除多光谱图像的谱间冗余;然后对预测后的残差图像进行整数小波变换以去除空间冗余,并用SPRIT算法去除小波系数间的冗余,最后进行算术熵编码.实验结果表明,该方法可对MODIS多光谱图像进行高效无损压缩,优于未进行相关性判定的压缩算法和流行的WinRAR压缩软件.