为避免双天线InSAR系统基线测量动态监测过程中引入误差，影响基线测量精度，对基线长度与角度测量过程中的可能误差进行定性与定量分析。采用坐标变换法建立系统误差数学模型，明确测量系统的误差来源。提出误差灵敏度概念，对误差项进行定量计算，并对每一自由度的误差源进行灵敏度分析，进一步形成综合误差定量合成结果。根据误差灵敏度系数给出一组精度反演误差分配案例。最后，依据蒙特卡洛法在MATLAB平台闭环验证精度量化分配方法的可行性与稳定性。仿真分析结果表明，激光视觉三轴位置的测量精度要求为300 μm（3σ），三轴角度的测量精度要求为50''（3σ），即可满足基线长度精度1 mm（1.6σ），基线角度精度2''（1.6σ）。通过本方法可由测量环境条件输入直接获得基线测量的精度，根据灵敏度系数对误差分配进行反演可以得到系统最优布局，其结果可为测量系统的方案设计与精度分解提供有效指导。

针对常规的高光谱图像分类算法不能很好地解决不同图像中的频谱偏移的问题，提出了一种基于密集卷积和域自适应的高光谱图像分类算法，首先在源域中使用密集卷积进行深度特征学习，然后应用域自适应技术转移到目标域。目前的域自适应高光谱图像分类框架中常用卷积神经网络进行特征学习，但是当深度增加时会出现因梯度消失而导致分类精度下降的情况，因此本文通过引入密集卷积进行深度特征学习，提高域自适应高光谱图像分类的精度。在Indiana高光谱数据集和Pavia高光谱数据集上验证所提算法的有效性，整体分类精度分别为61.06%和89.63%，与其他域自适应高光谱图像分类方法对比，所提方法具有更好的分类精度。

为解决现有的共孔径双波段相机成像质量差、结构复杂、体积庞大的问题，提出了一种可见/长波红外双色光学系统设计。在两个波段共用前端反射结构、主镜背部加分色镜，实现了可见光与长波红外同时成像，保证了系统结构的紧凑性。分析了分色镜对红外波段成像的影响，以及分色镜偏离竖直方向不同角度的影响。对红外波段的校正系统及像面进行了-2.39 mm的偏心处理，使红外波段像质得到了极大提高，并通过外场试验成像验证了分析结果的正确性。该系统具有较强的容差特性，结构简单、光学元件少，具备易加工、装调的优点，工程可实现性强，能够有效提升相机的目标探测与识别能力。