高光谱分析能够高效的估算土壤有机碳含量, 连续小波变换(CWT), 在高光谱数据的噪声去除和有效信息提取方面具有独特优势, 但是经过连续小波变换后的光谱数据被分解为多个尺度, 单一分解尺度信息不能代表不同分解尺度信息, 如何充分利用多分解尺度的小波系数, 成为高光谱估算土壤有机碳含量的难题。 博斯腾湖是我国最大的内陆淡水湖, 湖滨绿洲作为重要的水陆交错带, 具有独特的空间结构和时间结构, 在维持和恢复湖泊生态系统健康方面发挥着重要作用。 以博斯腾湖湖滨绿洲为研究区, 于2020年10月采集138份深度为0~20 cm表层土壤样本, 剔除3个异常值样品, 得到135个有效样品, 室外采集土壤样本光谱, 并通过重铬酸钾－外加热法测定土壤有机碳含量; 将土壤样本的光谱反射率进行Savitzky-Golay平滑滤波处理, 以Gaussian4为小波基函数进行连续小波变换, 将土壤高光谱数据转换为10个分解尺度的小波系数。 利用相关性分析法(CC)、 稳定自适应重加权采样(sCARS)、 竞争自适应重加权采样(CARS)、 连续投影算法(SPA)、 遗传算法(GA)等5种特种波段筛选方法进一步降低噪音, 消除冗余信息, 逐尺度计算小波系数的均方根作为小波能量特征(EF), 将10个尺度的小波能量特征组成小波能量特征向量(EFV), 基于小波能量特征向量建立BP神经网络模型(BPNN)。 结果表明, 连续小波变换可以有效提高光谱反射率与土壤有机碳含量间的相关性, 1~3分解尺度相关性较差, 4~10分解尺度的相关性较好, 相关系数平均值提升43.66%, 相关系数最大值平均提升67.93%。 CC算法筛选的特征波段主要分布于在400~1 500 nm可见光及近红外短波; sCARS、 CARS算法筛选的特征波段集中于1 500~2 500 nm近红外长波; SPA算法筛选的特征波段集中于760~2 500 nm近红外波段; GA算法得到的特征波段基本均匀分布于400~2 500 nm。 高光谱小波能量特征向量EFV可以较好估算湖滨绿洲表层土壤有机碳含量, 6种模型的训练集与验证集R2平均值分别为0.73、 0.74, RMSE平均值分别为7.64、 7.28, RPD平均值为1.95。 模型精度表现为, CC-EFV-BPNN＞sCARS-EFV-BPNN＞Full-spectrum-EFV-BPNN＞CARS-EFV-BPNN＞GA-EFV-BPNN＞SPA-EFV-BPNN。 连续小波变换结合特征变量筛选方法, 提取小波能量特征向量EFV, 有效降低光谱数据维度与高光谱小波能量特征向量模型复杂度, 对于快速估算表层土壤有机碳含量具有重要参考价值。

为了克服当前较多可见光与红外图像融合方法在通过图像能量特征融合图像时, 忽略了图像的全局相对亮度特征, 导致融合图像存在红外目标表达能力弱等问题, 文章引入非下采样Shearlet变换, 通过测量图像的相对亮度来融合图像。借助NSST变换来处理输入图像, 解析出图像的低频和高频系数; 采用区域能量函数, 对区域图像所含的能量特征进行测量, 利用图像的全局均值和区域均值, 构造相对亮度测度模型, 求取区域图像的相对亮度特征, 并将区域图像的能量特征和相对亮度特征结合, 对低频系数完成加权融合; 利用图像的行、列、对角维度上的频率值, 建立四维细节测量因子, 以计算出图像的细节特征, 完成高频系数融合, 从而求取融合图像。实验结果表明, 较当前算法的融合图像, 所提算法不仅能更好的显示出图像的细节内容, 而且还能更好的表达图像中的红外目标内容。

高能量脉冲激光水下激发声源信号具有脉宽窄、频带宽的特点, 激光能量在允许的范围内波动时, 激光声信号频域能量分布保持稳定。利用小波包技术对激光声信号在目标物上的回波进行分析, 提取声目标特征信息, 可以达到目标识别的目的。选用db4小波基, 对激光声信号进行4级小波包分解; 将分解后的信号进行能量特征提取, 分析声信号频域能量分布特征; 为了获得激光声信号在目标物上反射前后的时域特征变化情况, 对分解后不同节点信号进行重构, 进行重构信号与原始信号的相关分析, 确定信号的有效滤波频段。数据分析表明, 小波包分析方法可有效地对激光声信号的瞬态特性进行分析, 根据能量特征值选取信号滤波频段可对信号进行有效滤波, 实现了水下不同目标物的分类识别, 可为激光致声水下目标探测研究提供参考。

为了克服遥感图像融合算法主要是利用单一的能量特征对图像信息实施融合, 忽略了光谱特征, 导致其存在光谱扭曲等缺陷, 提出了基于二代曲波变换与清晰度加权的遥感图像融合算法。利用IHS(Intensity, Hue, Saturation)变换对多光谱(MS)图像计算, 分割出MS图像的强度(I)成分。利用二代曲波变换(Curvelet)计算出全色(PAN)图像以及I成分的高、低频系数;采用图像的均值特征, 对图像的光谱特征进行度量, 并联合其区域能量特征, 设计了新的融合规则, 完成低频系数的融合。利用图像的Laplace特征对图像的清晰度进行计算, 以此来构造清晰度加权模型, 进行高频系数的融合;将融合系数经二代Curvelet和IHS逆变换处理后, 输出融合结果。实验数据表明, 较当前遥感图像融合算法而言, 所提算法具备更好的融合效果, 其融合图像的通用图像质量指数值更大, 光谱差异更小。

提出了一种对姿态稳健的鼻尖点快速定位算法。在局部基准坐标(LRF)下计算顶点的平面距离能量,并设计了一种新的迭代筛选算法,计算得到候选点;计算候选点集中的每个顶点在人脸三维矢量场中的散度,将散度值最大的顶点作为鼻尖点。在FRGC v2.0和Bosphorus人脸库上对算法进行验证,在Bosphorus库上最终平均每张人脸定位仅耗时0.62 s,在FRGC v2.0库上的定位准确率为95.6%。最后与当前其他算法进行对比,所提算法在速度和精度上均取得了较好的结果。实验结果证明所提算法不仅有望达到实时处理的要求,还具有较高的准确率,且对人脸姿态变化具有稳健性。

行人检测是目标识别领域的一大难点。现阶段用于行人检测的特征维数都比较高，为克服高维特征对实时性的影响，本文运用主元分析(PCA)对特征进行降维，加快检测速度。单一特征的信息有限，本文运用基于线性鉴别分析 (LDA)的线性权重融合原则对一些底层特征 (颜色、梯度、直方图 )和多层次导向边缘能量特征进行特征融合使特征具有多源信息。且上述特征可采用积分图技术进行快速计算，所以行人检测系统的鲁棒性和实时性得到加强。在目标识别领域直方图交叉核支持向量机(HIKSVM)具有分类快，且准确率高的优点，采用其进行分类，系统实时性更进一步提升。实验表明本文方法检测速度和检测率优于经典的 HOG+SVM算法。

从图像工程质量评价和影像应用质量评价两个方面，对环境一号卫星CCD影像的质量进行了评价与分 析，通过将其与同时相Landsat TM影像的相关特征参数进行比较，客观评价了环境一号卫星CCD影像的质量。图像工程质量评价从影像的 统计特征、纹理特征和能量特征三方面进行，结果表明该卫星影像能够提供地物目标的形状、细节、纹理特征；影像应 用质量评价则是通过将该卫星影像应用于北京市城市绿地信息提取的具体工作来进行的，结果表明该卫星影像的 绿地信息提取精度较高，总分类精度达到84.45%，适用于城市绿地信息的提取。

根据被测图像纹理背景和目标区域在小波变换域内图像能量分布的不同，以及经过多尺度分解后在各子空间信息分布的不同，提出与背景纹理的方向无关，把目标的变化具有旋转、平移以及尺度不变性的能量特征作为检测的依据。实验证明该方法具有较好的适应性。