为了较好地平滑边缘区域，避免边缘衔接处产生伪影，提出了一种基于双尺度分解与随机游走的多聚焦图像融合方法。首先，将源图像利用高斯滤波分解为大尺度与小尺度聚焦图，对分解得到的大尺度和小尺度聚焦图采用不同的引导滤波对其边缘进行平滑；然后，将大尺度与小尺度聚焦图作为随机游走算法的标记节点通过融合算法得到初始决策图，并再次使用引导滤波对决策图进行优化；最后，根据决策图对源图像进行重构，得到最终融合图像。实验结果表明，所提方法较好地获取了源图像中的聚焦信息，更好地保留了聚焦区域的边缘纹理及细节信息，在主观评价和客观评价指标方面均取得了更优的效果。

针对奇偶拐点高斯分解法在全波形数据处理中存在的精度不足的问题,提出了一种基于有效峰值修正的全波形数据处理算法。该方法首先在数据预处理过程中使用了数据分段的方式来进行噪声均值、方差的估计,在不同的信号段使用与之对应的滤波宽度进行高斯滤波,然后结合噪声阈值与滤波后波形提取出有效峰值信息,最后根据峰值信息修正高斯分量参数。以北京市区作为实验研究区,就分解精度与其他分解算法的结果进行对比。结果表明,本文算法估测的地物高度与实际测量值的均方根误差为1.02,优于奇偶拐点高斯分解法和高斯分解产品GLA14计算的结果。

大光斑激光测高的全波形数据分解是获取待测物体有效信息的关键环节。目前,大光斑激光测高的全波形数据分解方法主要采用高斯分解和小波分解。但是,对于不同地物反射的回波信号,这两种方法的分解效果与精度不明确。针对地球科学激光测高系统(GLAS)全波形数据,利用高斯分解与高斯小波基分解对平坦和斜坡区域中几种典型地物的波形数据进行分解,并采用最佳拟合优度与达到最佳拟合优度拟合次数等指标进行定性、定量比较与分析。实验结果表明:在最佳拟合优度上,高斯分解和高斯小波基分解数值接近,但随着地物复杂程度增加,高斯分解达到最佳拟合优度拟合的次数少于高斯小波基分解。

高斯分解是波形激光雷达数据预处理的常用方法, 但在应用于大光斑全波形激光雷达数据中的叠加波时却难以发挥作用, 为此提出一种基于小波变换的高斯递进波形分解方法.首先, 利用小波变换多尺度分析特性检测出目标地物并准确估算组分特征参数, 进而建立高斯模型优化特征参数；然后通过拟合精度指标, 判断是否需要添加新组分进行逐级递进分解, 确定最终模型及其组分构成, 最终实现全波形激光雷达数据的波形分解.为了验证算法的有效性, 分别对实验数据使用本文算法和常用的基于拐点匹配的高斯分解法进行分析, 结果表明, 本文算法提取的目标数几乎是拐点匹配算法的2倍, 可以有效地从叠加波中检测出目标组分, 且拟合精度高于98%.

针对小光斑全波形机载激光雷达(LiDAR)波形数据高斯分解法的核心问题——高斯分量个数估计，提出一种高斯拐点匹配法。该算法用平面曲线离散点集拐点的快速查找算法检测波形数据中的拐点，计算过检测出的拐点及其右边第一个点的直线的斜率，根据斜率将所有检测出的拐点分为左、右拐点，一个左拐点与其邻近的一个右拐点组成一个高斯分量，据此可以确定波形数据中高斯分量个数。采用高斯拐点匹配法对模拟和实测波形数据进行分解，并与传统的脉冲检测方法(重心法和高斯脉冲拟合法)相比。结果表明，高斯拐点匹配法方法能极大地减小伪拐点的影响，快速、准确地检测并分解出波形数据中高斯分量，提高波形数据分解速度。同时其能分解出更多的高斯分量，从而提高点云密度。

针对传统LiDAR波形数据分解方法受噪声影响严重、对复杂重叠及微弱回波分解能力不足的缺点，提出了一种新波形分解方法.通过计算滤波前后波形的幅值变化，估计波形的随机与背景噪声; 采用逐层剥离的策略，从原始波形数据中不断分解出波形分量，直到剩余波形中最大峰值小于一定的阈值; 利用L-BFGS算法优化初始参数，获得波形分量参数的最优解; 最后对位置过近的波形分量进行合并.该方法计算速度快，探测微弱回波能力强，显著提高分解后点云的密度与精度.对大量LiDAR波形数据进行了分解，验证了其有效性.

针对激光测高仪中发射的激光脉冲并不是高斯对称的, 并且由于目标物的影响, 使用一系列标准高斯函数的和来拟合回波脉冲并不精确, 本文提出改变回波分解的取模模型, 通过正确模型的选取来改善回波位置的精确度。该方法采用比高斯函数复杂的对数正态函数和广义高斯函数, 采用 LM非线性拟合算法拟合回波波形。实验结果表明, 通过对植被等回波数据的拟合显示出针对不同的地形存在不同的改善效果, 同时新参数的引入可获得波形的额外信息, 使得对目标物表面几何形状、反射率和粗糙度等信息的解算变得更为容易。Waveform Based on Canopy Surface

研究了甲藻和硅藻两个门类的六种浮游植物在发射波长为675 nm处的活体叶绿素荧光激发光谱。对其作四阶导数分析的基础上,根据导数光谱中出现的极大值位置和数量,对甲藻门和硅藻门的激发光谱分别设定统一的初始中心波长。以初始波长为中心对激发光谱做高斯分解及多峰拟合,建立门类水平上统一的高斯基库。研究发现,在波长为350～550 nm内,甲藻和硅藻的高斯基库特征差异显著,而同门类的高斯基库特征相似,表明高斯分解法为甲藻和硅藻的分类识别提供有效的技术手段。利用高斯基库的参数拟合原光谱,拟合曲线与原光谱能较好地吻合,误差小。高斯分解法可再现活体激发光谱中重叠的色素荧光峰,也为光合色素的活体测定提供了新的方法。

利用级数展开的方法,对薄介质的Z扫描理论进行了分析,并对于通常所采用的级数展开和菲涅耳衍射分析方法进行了讨论,证明了在分析利用高斯光束对薄介质进行Z扫描测量时,即使对于大的非线性相移,高斯分解方法和菲涅耳衍射积分方法仍具有等效性,澄清了人们认识上的一些误解。同时分析了远场小孔的归一化透射率与积分限的关系,并对采用高斯分解方法时级数求和的振荡原因进行了分析和讨论,给出了消除振荡所需的最小求和数的判据。针对高斯分解方法和菲涅耳衍射积分方法的使用场合,也进行了讨论。根据所得结论,可以在具体的实验和理论分析中,正确地选择更高效的分析方法。