系统探讨基于平面特征约束的地面LiDAR点云的高精度融合问题,引入单位四元数作为空间旋转变换的描述算子,给出了三维空间中平面特征的四参数表达方法,在确保数学表达形式唯一的基础上实现对基于平面特征约束的空间相似变换模型的构建。以配准后同名平面特征的参数对等作为约束条件,基于最小二乘准则构建了三维空间相似变换的目标函数,并通过函数的极值化分析实现了平面特征约束下相邻测站LiDAR点云配准参数的迭代求解。最后,分别通过两组实测LiDAR点云数据对算法的正确性与有效性进行验证。结果表明:在求解空间相似变换参数的过程中,借助平面特征的四参数表达法,通过参数对等的条件约束来判断配准后同名特征的一致性,同时满足了同名平面特征之间的法向一致与距离为零两个约束条件;四元数的引入使空间相似变换模型的表达形式更加简洁,配准过程中的附加约束条件更少,在实验方案中,给定任意的未知参数初值,所提算法均能够运行并得到正确结果。

针对内陆湖泊水环境遥感监测缺乏合适数据源这一问题，基于水体生物光学模型与传统图像融合算法，开发了一种适用于复杂内陆二类水体的生物光学融合（BOF）算法，用于融合多光谱数据和高光谱数据。利用Hyperion数据生成模拟数据集进行算法验证，并将实验结果与小波变换算法、Gram-Schmidt变换算法和色彩标准化算法分别进行对比，结果表明：从视觉效果来看，BOF 算法较好地融合了高光谱数据的色彩信息和多光谱数据的空间细节信息；从图像精度指标来看，BOF 算法不仅在多种分辨率差异下都得到最好的精度，且精度对分辨率差异不敏感；在叶绿素a浓度估算实验中，BOF 算法也得到了最优的效果，均方根误差(RMSE)为9.817，其他三种算法的RMSE 分别为18.841、15.913和15.655。新算法有较强的应用潜力，有望为内陆二类水体遥感监测提供更合适的数据源。

遥感影像的大气校正是水色参数反演的前提。以太湖为研究区，采用6S大气辐射传输模型以及近红外波段离水反射率模型相结合的方法。通过神经网络模拟大气辐射传输过程，并利用中分辨率成像光谱仪(MERIS)754、779、865、885 nm 4个近红外波段进行光谱优化，求算550 nm处气溶胶光学厚度等变量。通过外推，实现可见光波段的大气校正。将2007年11月11日、20日、21日，2008年11月20日MERIS Level 1p影像以及野外实测水体遥感反射率数据集用于精度验证，结果表明，该方法能够较好地反演水体遥感反射率光谱，校正后的13个波段的平均相对误差大多分布在20%~40%之间。与6S以及Beam 4.9软件自带的大气校正方法相比，具有较高的校正精度和较强的稳定性，在太湖有较好的适用性。