针对遥感图像目标检测的目标尺度小、分辨率过低的问题, 提出残差对抗目标检测算法的遥感图像检测方法。通过残差对抗的方式对图像的特征信息进行重构, 完成图像分辨率的提升。在Backbone主干网络提取图像特征信息的基础上由Neck结构将特征进行融合, 最后由CIoU_Loss损失函数提高定位回归精度, 提高模型性能。实验结果表明, 与其他算法相比, 在平均精确率、平均召回率、平均综合指标F1值、平均mAP值方面分别提高了8.15%,6.9%,7.15%,6.75%。所提算法在低分辨率遥感图像目标检测方面准确性较高, 对遥感图像小目标检测效果较好。

针对“波谱库-影像”多光谱遥感影像波段模拟方法中波谱库以矿物质类别为主、 忽略大气环境和成像时间对地物波谱影响的问题, 以及“参考影像-影像”影像波段模拟方法中地物混合像元和不同空间分辨率像元间模拟的尺度效应问题, 提出基于局部地物端元提取的遥感影像波段模拟方法。 首先对与待模拟影像具有相似地物类别组成的参考影像进行光谱聚类分割, 形成影像局部区域; 然后提取各个局部区域的地物端元, 并对地物端元进行优选形成地物端元样本集; 接着利用端元样本集建立地物端元波谱间的关系模型; 最后利用关系模型预测目标影像波段。 首先通过模拟Landsat TM5影像的蓝光波段, 验证方法的稳定性和可靠性; 然后通过模拟IRS-P6影像的蓝光波段, 验证方法的适用性和推广性; 并在实验过程中同已有的“波谱库-影像”波段模拟方法和“参考影像-影像”波段模拟方法进行视觉效果对比和定量统计分析, 进一步表明方法对各类地物均有较好的模拟效果, 能够准确地表达地物的真实波谱。

任意多边形的最大内圆的快速查找在多个领域有着重要的应用。 首先给出了任意多边形的Voronoi图的生成方法, 以及基于Voronoi图实现该多边形的最大内圆的寻找算法, 在此基础上分别采用中线简化及并行化处理对算法进行了效率方面的改进, 并重点研究了矢量数据并行化过程中的数据分配策略, 给出了其最优数据划分策略——算法复杂度均衡法。 最后对北美阿拉斯加地区的多个湖泊进行了最大内圆的查找实验, 相应的实验结果表明, 改进的方法能够很大程度地提高最大内圆的查找效率。

光谱信息是遥感识别地物的依据，而目前已发展的典型地类的光谱指数模型有限，波谱库中的标准地物类型及其普适性也是有限的.鉴于此，提出一种端元匹配的地物自适应光谱表征方法，通过选取贴合影像本身的端元，并综合光谱角和距离度量对影像和端元光谱进行综合匹配.通过ETM+(Enhanced Thematic Mapper)影像上对植被、水体与美国地质调查局(United States Geological Survey,USGS)波谱库及归一化植被/水体指数的对比实验，及阴影、裸地等的验证实验，证实了该方法的有效性和普适性.

针对现行的凸锥体分析方法提取多光谱影像端元数目的有限性, 提出了基于空间全局聚类分析的多光谱遥感影像端元自适应提取方法。 该方法首先通过主成分分析对多光谱遥感影像进行降维处理, 去除波段间的相关性; 然后根据空间光谱间相似性, 采用经典的空间聚类算法ISODATA对影像全局聚类, 合并聚类后小斑块, 实现影像自动分块; 最后根据分块对象地物类型分布的复杂程度和散点图特征分析, 自适应确定端元数目, 再通过沙漏算法迅速地提取端元。 通过TM影像端元提取实验表明该方法能够有效的提取多光谱影像的端元; 同时克服了端元数目限制, 提高了端元提取的精度, 为多光谱遥感影像端元提取提供了新思路。

针对已有遥感影像模拟方法难以在影像光谱维上扩展的不足, 提出了一种基于地物波谱学习的遥感影像波段模拟方法.以地物波谱库作为先验知识,通过支持向量机拟合地物在不同观测波段范围内反射率之间的复杂非线性关系, 进而在多光谱遥感影像已有波段的基础上模拟一个新的波段影像.通过模拟TM红波段影像的实验, 证明本方法能较为准确地模拟出真实的光谱影像, 其模拟结果可靠.进一步将该方法应用于模拟IRS真彩色影像, 验证了本方法的实用性.本方法能够有效地解决多光谱影像波段缺损的问题, 并在一定程度上可解决较高空间分辨率遥感影像光谱维的不足, 为建立地物波谱与遥感像元波谱的定量联系提出了新的思路.