随着遥感技术和成像光谱仪的发展,高光谱遥感图像的分辨率不断提高,其庞大的数据量在提高其遥感探测能力的同时,也给分析和处理带来了很大的困难.高光谱波段选择可以有效减少数据冗余,提高分类识别精度和处理效率.因此如何从多达数百个波段的高光谱图像中选择出具有较好分类识别能力的波段组合是亟待解决的问题.针对上述问题,采用基于图论的谱聚类算法,将原始高光谱图像中的波段作为待聚类的数据点,利用互信息描述两两波段间的相似度,生成相似度矩阵.再根据图谱划分理论,将相似度矩阵生成的非规范化图拉普拉斯矩阵进行谱分解,得到类间相似度小且类内相似度大的类簇;然后根据地物类型计算各波段的类间可分性因子,将其作为类簇内进一步选择代表性波段的参考指标,达到降维的目的;最后通过支持向量机与最小距离分类方法对波段选择后的图像分类.该方法区别于传统的无监督聚类方法,采用基于图论的谱聚类算法,并根据先验知识计算类间可分性因子来选择波段.通过与自适应波段选择算法和基于自动子空间划分的波段指数算法的对比实验,结果表明:两组实验当聚类数目达到相对最佳时,该波段选择方法支持向量机图像总分类精度达到94.08%和94.24%以上,最小距离分类图像总分类精度达到87.98%和89.09%以上,有效保留了光谱信息,提高了分类精度.

针对转扫式光谱成像系统在数据采集过程中, 由于转台转速过快造成校正后的影像存在有数据漏洞, 以及获取的原始影像数据存在有严重几何形变, 影响影像上地物信息的分类与识别等问题, 介绍了转扫式光谱成像系统的组成并给出数据采集一般过程, 根据数据采集时单帧影像的覆盖范围和系统采集影像的速率等信息, 在数据采集时对转台速度进行控制;结合影像获取时的起始与终止角度以及传感器距离前视点的距离等信息, 详细推导了转扫式光谱成像空间定位模型, 并对定位后影像进行格网划分和光谱重采样, 给出了影像畸变校正的一般流程;鉴于影像空间定位后相邻帧间影像空间分辨率不一致, 同时为保证获取最大的影像分辨率, 采用最小空间采样间隔作为坐标定位后影像格网划分单元;考虑到新生成均匀格网与不均匀格网叠加进行光谱取值时, 采用直接光谱采样可能造成的光谱混叠失真问题, 提出了基于位置分布的光谱精确采样方法, 以张家界老司城获取的高光谱影像数据为例进行畸变的校正, 校正后影像上地物保持了原有的几何特征, 验证了算法的正确性, 同时抽取不同地物点的光谱数据进行相关系数计算, 结果表明改进的光谱采样算法优于直接光谱采样, 为同类产品的地面应用提供参考。

针对小光斑全波形机载激光雷达(LiDAR)波形数据高斯分解法的核心问题——高斯分量个数估计，提出一种高斯拐点匹配法。该算法用平面曲线离散点集拐点的快速查找算法检测波形数据中的拐点，计算过检测出的拐点及其右边第一个点的直线的斜率，根据斜率将所有检测出的拐点分为左、右拐点，一个左拐点与其邻近的一个右拐点组成一个高斯分量，据此可以确定波形数据中高斯分量个数。采用高斯拐点匹配法对模拟和实测波形数据进行分解，并与传统的脉冲检测方法(重心法和高斯脉冲拟合法)相比。结果表明，高斯拐点匹配法方法能极大地减小伪拐点的影响，快速、准确地检测并分解出波形数据中高斯分量，提高波形数据分解速度。同时其能分解出更多的高斯分量，从而提高点云密度。

以移动平台的线推扫式高光谱相机横向推扫成像不同于以卫星平台或飞机平台的竖直摄影成像方式, 其属于水平方向推扫竖直方向成像, 存在投影面选择、 空间方位确定以及光顾混叠等问题。 针对上述情况, 详细推导了适合于线阵高光谱相机地面推扫的影像像素地理参考模型, 可以进行任意方向的地面横向推扫成像; 结合影像的地面采样间隔大小及推扫成像的区域范围, 给出了地理参考后影像格网划分的一般过程; 同时, 考虑到在影像格网划分过程中存在的舍入误差, 以及在影像校正过程中采用传统直接光谱采样可能造成的光谱掺杂问题, 提出了基于地理参考后相邻像素重叠面积作为权重系数进行加权融合的改进光谱采样方法。 最后进行了大量地面横向推扫成像实验, 并依据上述算法进行了影像畸变校正, 验证了线阵影像几何畸变校正算法的有效性及鲁棒性, 同时, 对校正好后的影像选用多个样本点进行了光谱数据验证, 实验表明改进后的光谱采样方法明显优于直接光谱采样算法, 为同类产品的地面应用提供参考。

为了达到机载激光雷达系统潜在的精度，需要对其整个系统进行严格的检校。在分析系统安置参数误差及其影响的基础上，建立起平行重叠航带之间差异分析模型。在平行重叠航带之间运用优化的迭代最近点(ICP)算法，通过配准过程，得到相邻重叠航带之间的刚体变换矩阵，再利用由外方位角元素和平移向量所组成的变换矩阵，实现平行重叠航带之间差异检测。将表达差异的转换参数运用到重叠条带误差分析模型中，推导系统安置参数偏差完成检校。试验结果通过与Tmatch软件检校过程进行对比分析，验证了这种方法的有效性。

提出了一种激光扫描数据和影像融合的方法，通过立体像对匹配获取精确匹配点，并与三维扫描点云进行最邻近迭代配准；在利用网格划分法进行的K邻近点搜索中，采用欧氏距离的选择权迭代逐步实现影像点与激光扫描点的精确配准；利用空间后方交会获取正确的外方位元素，通过摄站点、像点以及激光点之间的共线关系，在相对应影像上进行激光点的像素定位，并提取颜色属性信息。实验结果表明，该算法不但较好地实现了三维地面激光点云数据与CCD影像的精确融合，且对机载激光数据与影像的融合亦可行和有效。

利用计算机视觉进行三维点云获取是一种实用方便的三维信息提取方法,在工业检测和三维建模等领域应用广泛。鉴于传统固定相机方法中存在着灵活性差,适用范围小的问题,提出了一种手持单相机的三维点云获取方法。实验结果表明,该方法在室外场景点云获取应用中较传统方法在灵活性方面具有非常明显的优势。