研究基于高分辨力极化合成孔径雷达(SAR)图像的城市区域车辆目标自动检测方法。城市区域具有复杂的地物, 这给在城市区域进行车辆目标检测工作带来困难。首先采用Freeman-Durden分解、极化白化滤波器(PWF)和相似性参数3种方法来提取图像数据的极化信息；在此基础上, 采用深度卷积神经网络来对车辆目标和其他地物进行二分类, 实现对城市区域车辆目标的检测。基于机载分米级分辨力极化SAR数据的实验结果验证了该方法的有效性, 在较低的虚警率下获得较高的检测率。将3种极化特征融合时, 能够在虚警率为2.82%时获得95.65%的检测率。

针对光度曲线的特点将光谱领域曲线匹配算法应用至光度学领域，解决了基于光度曲线特征规律卫星形状反演方法的算法需求。介绍了反演方法的主要原理，通过融合角匹配(SAM)算法和信息散度(SID)算法，设计了联合信息匹配(SAM-SID)算法，确定了阈值，使曲线匹配的成功率大于93%。最后利用兴隆观测站的实测数据验证了算法的适用性与稳健性。实验结果表明，SAM-SID算法成功匹配出了SAM算法和SID算法都未能匹配出的圆柱体卫星，适用于球体、圆柱体以及立方体卫星的形状反演，且较SAM算法和SID算法结果更加直观，适用性和稳健性更强。

为了提高反坦克导弹在复杂背景下的目标识别能力，可利用目标和背景的偏振特性差异实现目标探测和识别。采用激光主动偏振成像方法获取车辆目标在无背景、草地背景、混凝土背景和沙土背景4种典型背景下的强度图像和偏振图像，比较分析两类图像的边缘强度、清晰度和空间频率，结果表明，偏振图像的边缘和细节特征比强度图像更好，有利于在复杂背景中识别车辆目标。激光主动偏振成像方法对提高反坦克导弹在复杂地物背景下的目标识别能力有重要意义。

正则化图像特征增强算法能够在保持图像较高分辨力的情况下抑制散斑和旁瓣。选择合适的正则化参数对于正则化算法所形成图像的质量至关重要。本文应用推广到非二次型正则化情形的广义交叉验证 (GCV)、稳健广义交叉验证(RGCV)和 Stein无偏风险估计(SURE)方法研究正则参数选择策略，推导了特征增强正则化方法中 GCV,RGCV和 SURE函数的直接计算公式，并提出了修正特征项后快速求取正则解的算法以及一般的不动点迭代算法，从而实现了正则参数的自适应选择。数值仿真和实测数据处理结果均说明所提方法的有效性。

研究了在相位阻尼作用下非X态的量子失协与几何失协, 用图像诠释了Bloch矢量以及相位阻尼系数p对失协的影响。通过讨论我们发现量子失协和几何失协都能在一段有限时间间隔内保持一定值, 并且具有相同的突变点。量子失协和几何失协不会出现量子纠缠的突然死亡和重生现象, 所以研究失协比纠缠更具有实际应用意义。

提出了一种利用两粒子最大纠缠态和三粒子部分纠缠态作为量子通道, 成功实现量子隐形传态的方案,其中作为通道的三粒子部分纠缠态可以由一般的GHZ态经过 一个H门和CNOT门得到,并且与以往一般的三粒子通道相比,它可以传输更多的信息给接收者。 发送者Alice在以Bell基为底的基础上对手中的粒子进行测量,然后把测量结果通过经典信道告 诉控制者Charlie, Charlie以非最大纠缠Bell基为底,对粒子进行测量,把结果告诉接收者Bob, 最后Bob对粒子进行相应的幺正变换,即可得到最初态。此方案采用非最大纠缠态作为量子通道, 在Charlie的控制下,有可能实现传输概率100%的完美传输。

针对典型目标识别问题,提出了一种基于投影寻踪的高光谱目标识别算法。先对高光谱图像进行最小噪声分离变换,计算出本征维度,同时对图像去噪,然后采用信息散度作为投影指标,对投影指标值自适应分割,得到所要提取的波谱曲线,最后用光谱角匹配识别出目标及其位置。高光谱图像验证结果表明,该方法有效地去除了图像噪声,而且能够快速、可靠地提取端元并识别出目标。

针对传统方法中用作背景的像素中存在干扰像素的问题，提出一种基于光谱角累加的高光谱图像异常检测算法。通过计算测试区域待测像素光谱向量与其他光谱向量之间的夹角，并将其累加，得到图像中每个像素的异常程度；然后使用波段选择预处理方法进一步提高检测性能。HyMap高光谱数据验证表明，在虚警概率设为0.008时，检测概率达到0.73，即在提高异常检测可靠度的同时，降低了虚警概率。

针对无扫描激光三维传感器成像分辨率较低、标定精度不高的问题，提出了一种基于双线性插值的低分辨率传感器标定方法。首先运用双线性插值算法，对低分辨率传感器所成图像进行升采样以提高图像分辨率，然后利用基于OpenCV标定算法对其进行标定，最后将标定结果与传统方法标定结果进行分析比较。实验结果表明，该方法能够将低分辨率传感器参数的标定误差缩小近1/2。运用双线性插值算法提高图像分辨率，可以提高对低分辨率传感器的标定精度。

随着分析数据日益复杂, 传统的用于光谱分析中的数据处理方法已不能满足分析需要, 而化学计量学应用数学、 统计学以及计算机等科学的方法与手段, 设计和选择最优的量测方法, 并通过对数据的解析, 可最大限度的获取光谱数据中的有用信息。 本文首先介绍了几类常用化学计量学方法分析的三维荧光光谱, 其次介绍了常用于光谱分析的化学计量学方法, 如统计学方法、 模式识别方法、 神经网络方法以及二阶校正方法等, 并且介绍了这些方法在光谱分析中的应用, 最后对化学计量学方法在多维光谱数据分析中的应用前景进行了讨论与展望。