为满足卫星图像仿真信息全要素、多专题、分层存储管理的需要,构建了集高光谱影像、高分辨率彩色图像、 热红外影像、高光谱波谱信息、大气环境信息、GPS信息为一体的艇载低空遥感数据管理系统。该系统首先 根据测量系统数据量大、类型多样、时间跨度长的特点,提出了一种移动存储模型,利用Oracle支持二进制大 字段(Binary Large OBject, BLOB)的优势,采用数据分区迁移技术,实现多源、海量图像信息的集成和移动 存储。在此基础上,以VC++作为前台应用程序开发工具,OLE自动化服务器(Oracle objects for OLE, OO4O) 作为中间访问接口, Oracle作为后台数据库管理系统,实现了艇载低空遥感测量系统信息的全面描述和有效 管理,为卫星图像仿真和多源遥感数据定量化应用提供了一个综合化、专业化的数据共享平台。

遥感影像拼接技术作为影像成图的重要手段，一直是遥感领域研究的热点。在保证拼接精度的同时，如何提高拼接效率，成为低空遥感技术应急应用的难点。针对低空航空遥感影像成像姿态变化剧烈、数据量大等特点，提出针对无序影像改进的基于稀疏矩阵的光束平差SURF拼接算法，即对无序影像进行特征选取和匹配，自行判断相邻和相间位置信息，配准平差中引入稀疏矩阵进行加速。方法在保证精度的同时，极大提高了航空相机影像拼接算法的速度，能很好地解决无人机影像高建筑物的拼接错位问题。无人机倾斜数据集拼接和航空相机影像拼接的结果验证了利用本算法进行高空间分辨率影像拼接的精度和效率。

高效无损地评估农作物病害等级, 对于实际农业生产和研究都具有重要意义。 研究探讨了基于低空无人机遥感平台进行水稻纹枯病病害等级评估的可行性, 分析可见光与多光谱传感器的光谱响应差异及其对感病水稻光谱反射率获取的影响, 并定量对比两种传感器的病害监测效果。 实验研究区由67个不同品种的水稻小区组成, 每块小区均分为相接的纹枯病接种区和侵染区。 以大疆精灵Phantom 3 Advanced小型消费级无人机作为搭载平台, 分别搭载该无人机系统自带的可见光传感器和MicasenseRedEdgeTM多光谱传感器获取遥感影像。 同时, 通过植保专家现场调查的方式识别病害等级, 并利用Trimble公司的手持式NDVI测量仪获取实测NDVI值。 基于影像拼接、 波段叠合、 辐射校正后的预处理结果, 对可见光图像的接种区和侵染区共134个小区计算七种可见光植被指数, 即NDI（normalized difference index）, ExG（excess green）, ExR（excess red）, ExG-ExR, B*, G*, R*, 多光谱图像除上述可见光指数外再计算NDVI（normalized difference vegetation index）, RVI（ratio vegetation index）和NDWI（normalized difference water Index）三种多光谱植被指数。 将计算得到的图像植被指数与地面实测NDVI进行相关性分析, 以选取两种传感器的最优图像植被指数建立水稻纹枯病病害等级反演模型。 相关性分析结果表明, 基于多光谱传感器计算的图像NDVI与实测NDVI拟合度最高, 接种区R2为0.914, RMSE为0.024, 侵染区R2为0.863, RMSE为0.024。 对于可见光传感器, NDI与实测NDVI的相关性最好, 接种区R2为0.875, RMSE为0.011, 侵染区R2为0.703, RMSE为0.014。 比较两种传感器两种区域的同一图像植被指数与实测NDVI的一致性, 除B*外, NDI, ExR, ExG-ExR, G*, ExG, R*与实测NDVI基本属于高度相关, 在病害严重的接种区, 两种传感器对水稻纹枯病的监测效果相近, 但在病害相对较轻的侵染区, 多光谱传感器的监测更为精确灵敏。 基于多光谱图像NDVI建立的病害等级反演模型, R2达到0.624, RMSE为0.801, 预测精度达到90.04%, 模型效果良好。 而基于可见光图像NDI建立的反演模型, R2为0.580, RMSE为0.847, 预测精度为89.45%, 效果稍差。 对比分析可见光与多光谱传感器的光谱响应曲线, 可见光传感器可获取可见光范围的红、 绿、 蓝三个波段, 波段范围互相重叠, 多光谱传感器包含五个成像单元, 可独立获取从可见光到近红外的五个窄波光谱波段, 提供更加准确的光谱信息。 比较传感器获取的接种区和侵染区水稻平均反射率曲线得出, 多光谱传感器不仅在可见光波段反映了较可见光传感器更强的差异, 在红边和近红外波段差异则更加明显, 这说明专业窄波段传感器在病害监测方面较宽波段消费级传感器更有优势。 综上所述, 基于可见光与多光谱传感器的低空无人机遥感平台进行水稻纹枯病病害等级评估是可行的, 多光谱传感器精确灵敏, 可用于纹枯病的早期监测, 可见光传感器效果稍差但经济易于推广。 研究结果为病虫害防治提供决策支持, 有助于推动实现精准农业, 保障粮食安全。

为补偿像移、提高影像的质量，需要准确探测影像间的像平面位移矢量。在给出星载相机像移矢量测量常用的联合变换相关基本原理的基础上，提出一种改进的联合变换相关的方法。提出改进的适用于低空影像的自反馈模糊边缘检测方法，以实现输入图像预处理；通过消除0级衍射峰，以质心法提取互相关峰的坐标，实现互相关峰高精度探测。利用仿真和真实低空成像实验对该方法的测量精度和性能进行了分析。仿真表明，该方法对于运动模糊在0~10 pixel范围内，高斯噪声小于等于0.002时，影像间像位移在0~20 pixel时，探测精度可控制在0.03 pixel以内。真实实验进一步表明，本文方法像移测量精度可达到0.2 pixel。该方法能够高精度、稳健地探测低空影像的像位移矢量。

以重庆涪陵区为实验区，利用无人飞艇遥感数据采集平台进行了以应急 情况下提供正射影像为目的的快速数据获取和处理过程实验。对航线设计和数据处理过程进行了 详细介绍。实验结果表明，利用无人飞艇遥感技术可以满足地形复杂区域的综合应急需求和大比例尺制图 精度要求。