根据高光谱遥感图像的特点及二维Gabor滤波器纹理分割的原理, 提出了一种基于三维Gabor滤波器的高光谱遥感图像分类方法。三维Gabor滤波器能够对高光谱遥感图像所有波段同时进行滤波, 将大量的图像信息抽取为少量的不同尺寸、 方向和波谱的响应, 极大减少了高光谱遥感图像纹理信息提取的计算量。利用不同方向和尺寸的三维Gabor滤波器对祁连山黑河流域上游地区的Hyperion影像全波段进行滤波处理, 获取26个纹理响应特征, 并分析不同纹理对不同地物的区分度。利用自动子空间划分的波段指数(BI)进行波段选择, 选取不同的波段组合进行试验, 寻找最佳降维幅度。按照纹理对不同地物响应的区分度逐一加入三维Gabor纹理特征, 利用三维Gabor纹理辅助光谱信息, 运用支持向量机(SVM)的方法进行监督分类。结果表明, 基于三维Gabor纹理和自动子空间BI波段选择的SVM分类方法能够在有效降低光谱维数的同时, 提高高光谱遥感图像分类的精度和效率。

雪粒径大小影响着积雪反照率的高低，从而影响着局地或全球能量收支平衡和气候变化，其影响程度取决于积雪本身的微物理特征和光学特性.在研究550~1030和1 640nm波长处积雪光学特性的基础上，采用辐射传输方程模拟并分析了雪粒径对积雪双向反射率的影响.模拟结果表明近红外通道1 030 nm是反演雪粒径的敏感波长，积雪双向反射率在该波段随粒径和观测角度变化明显，多角度遥感信息可以更有效地体现积雪的微物理特征和光学特性，为利用多角度遥感数据反演雪粒径提供理论基础.

使用FieldSpec 3(350～2 500 nm)光谱仪野外测得新疆富蕴地区季节性积雪光谱, 与冰对比得出了该地区典型季节性积雪光谱特征, 并分析了太阳高度角、 坡度、 雪深、 污染物浓度对积雪光谱的影响。 研究结果表明: 积雪反射率在可见光波段较高, 随波长的增加逐渐减小; 随着太阳高度角的增大积雪反射率逐渐降低, 且在1 090和1 300 nm对太阳高度角的变化敏感; 坡度的存在使积雪反射率大幅上升; 在一定深度范围内, 积雪反射率随雪深的增加而增大, 在400～500和1 250～1 320 nm, 反射率对雪深变化敏感; 随着污染物的增加, 积雪反射率在可见光波段明显下降, 且波峰波谷趋于平缓。 季节性积雪的光谱测量和分析工作对于积雪参数的监测和反演具有重要意义。

针对遥感图像在频率域中的表征, 提出了一种基于光谱空间变换的遥感图像目标探测方法。 该方法首先利用傅里叶变换, 将遥感图像从空域转变到频率域; 然后利用频谱能量楔状采样和谐波叠置等手段, 将不同频谱能量所表征的目标特征信息分解到不同的高、 低频段中, 由此获取对应目标特征在频率域中的探测标志; 最后结合在频谱能量上具有方向和频带选择性的匹配Gabor滤波器, 实现了居民楼地物目标的有效探测。 试验结果表明, 文章所提出的方法能够较好地探测遥感图像的目标信息, 并且具有特定方向上目标检测的能力。

雪粒径是影响全球/局地能量收支和表征积雪水热状态的重要参数, 大面积监测和估算雪粒径的分布及大小对于全球/局地气候变化和水资源管理具有重要意义。 目前遥感技术已成为大面积监测和估算雪粒径的重要手段。 针对雪粒径的遥感监测与估算, 该研究采用辐射传输模型模拟雪面可见光-近红外波段的光谱曲线, 经过分析光谱曲线并结合一阶微分和累计差异值选取对雪粒径敏感的波段和积雪指数, 建立单变量雪粒径高光谱遥感估算模型, 并用地面实测数据进行验证, 结果表明, 单波长1 030 nm, 1 260 nm和归一化差值积雪指数（460和1 030 nm）构建的估算模型预测精度较高, 雪粒径估算值与实测值的相关斜率分别为1.37, 0.61和0.62 , R2分别为0.82, 0.86和0.93, RMSE分别为55.65, 50.83和35.91 μm, 可用于雪粒径的估算研究。 研究成果为雪粒径的高光谱遥感反演提供科学依据。

高分辨率遥感图像具有高度细节化的多尺度表达能力，在有效表达地物边缘信息的同时，目标内部几何细节常以噪声的形式出现.提出将光谱相异性和小波变换相结合的边缘特征检测算法，克服了小波变换导致的边缘变形，并能够有效抑制噪声.根据光谱角原理定义归一化光谱相异性模型，并与二进小波变换结合，同时利用梯度方向余弦值对各个波段的梯度幅值加权，最后根据向量场模型计算多光谱图像的梯度幅值和梯度方向，细化后获取由细到粗的多层次边缘特征.实验结果与小波变换和传统检测算子的检测结果相比，表明该算法利用光谱相异性信息增强边缘响应强度，保证了所有尺度下获取的边缘轮廓不失真，边缘点定位准确; 加权处理突出了多波段梯度主方向信息，也有效抑制了高分辨率图像上目标内部精细几何细节形成的噪声.