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。