为了有效解决动态背景变化导致弱小目标检测率低的问题, 文中提出了改进时空滤波的红外弱小目标检测算法。首先在分析红外图像成像特性的基础上, 针对目标区、背景区和边缘轮廓区不同梯度特性的差异, 提出改进的各向异性空域滤波算法, 该算法充分利用空间域的梯度信息来构建不同方向的扩散滤波函数, 并结合图像不同特性的梯度差异选取扩散函数值最小的两个方向的均值作为时域滤波结果, 以最大限度地保留目标信号; 接着为有效增强弱小目标的能量, 针对高阶累积量仅利用像元点时域信息来构建能量增强的不足, 提出了一种结合时空邻域块的能量增强算法, 实验表明, 本文提出的算法能有效提升动态场景下的弱小目标的检测能力。

通过人为控制灌溉水平, 在冬小麦3个发育期(孕穗、 开花、 乳熟)测定了冠层光谱和叶片含水量(leaf water content, LWC)。 针对每期数据, 结合偏最小二乘回归和迭代特征去除, 建立了基于诊断波段的LWC回归模型。 结果表明, 叶片水分的光谱响应及反演精度受小麦生长状态的影响。 在孕穗、 开花和乳熟3个发育阶段, 回归模型中光谱数据的最佳利用形式分别为对数光谱、 导数光谱和反射率光谱; 重要光谱区间为SWIR, NIR和SWIR; 模型交叉验证决定系数(R2CV)为0.750, 0.889和0.696。 研究结论对今后监测冬小麦旱情和开发作物水分遥感产品具有重要的指导作用。