利用高光谱成像技术对库尔勒梨早期损伤进行快速识别检测。 以60个库尔勒梨为研究对象, 采集380～1 030 nm波段范围内完好样本和损伤后1～7天样本的480幅高光谱图像。 提取图像中感兴趣区域（ROI）的平均光谱信息, 利用小波变换（WT）对光谱数据进行去噪平滑, 将去噪后的全部样本按2∶1的比例分成建模集（320个）和预测集（160个）。 利用二阶导数从全谱信息中提取出19个特征波长, 分别基于全谱和提取出的特征波长对建模集和预测集进行支持向量机（SVM）建模分析。 结果表明, 基于全谱和特征波长的判别分析模型中, 两者预测集的识别率都达到93.75%, 表明提取的特征波长包含了光谱数据中的关键信息。 然后, 基于特征波长运用波段比运算挑选最佳波段比, 根据波段比F值的分布确定光谱图像分割的最佳波长684和798 nm。 对最佳波段比（684/798 nm）下的图像, 利用选择性搜索（SS）对高光谱图像中样本的完好和损伤区域进行分割, 从分割结果来看, 1～7天损伤样本的受损区域能够被准确检测出来。 研究结果表明: 基于高光谱成像技术对库尔勒梨进行损伤鉴别是可行的, 该研究所获得的特征波长和波段比为研发在线实时的库尔勒梨损伤检测系统提供支撑。

新鲜度是即食海参加工品质调控和贮藏品质监控的关键指标。 针对感官评定和现有理化检测无法满足即食海参产品大批量、 标准化、 工业化生产问题, 提出了一种基于高光谱图像的即食海参新鲜度快速无损检测方法, 通过图像主成分分析和波段比运算相结合, 优选特征波长和图像; 依据海参腐败机理, 建立图像纹理特征与即食海参新鲜度等级间的关联模型, 实现即食海参新鲜度无损、 快速评价。 首先针对高光谱图像巨大的数据量展开降维研究。 根据即食海参体壁光谱吸收特性, 以具有明显化学吸收特征的波长(474和985 nm)为分界点, 获得包括全检测波段(400～1 000 nm)在内的六个待处理波段, 通过分段图像主成分分析实现待测波段的优选, 利用权重系数和波段比图像运算, 最终将686和985 nm波段比图像确定为特征图像。 面向特征图像的感兴趣区域(ROI), 构建灰度共生矩阵(gray-level co-occurrence matrix, GLCM)、 灰度梯度共生矩阵(gray-gradient co-occurrence matrix, GGCM)、 改进的局部二元模式纹理描述子(local binary pattern, LBP), 分别提取纹理参数作为输入, 以挥发性盐基氮(total volatile basic nitrogen, TVB-N)检测为标准, 建立经粒子群优化的BP 神经网络(back propagation, BP)即食海参新鲜度判别模型, 新鲜度等级判别准确率分别为90%, 95%和80%。 结果表明, 即食海参高光谱图像灰度梯度共生矩阵的纹理特征用于新鲜度判别效果较好。 为即食海参新鲜度快速无损检测方法研究和仪器开发提供了理论基础和数据支持。

成熟度是影响种子活力的重要因素之一, 是种子质量的重要指标。 种子分级时将成熟种子和未成熟种子区分开来可提高种子批活力, 使种子批活力具有一致性。 采用400~1 000 nm波段范围的高光谱成像技术研究成熟和未成熟玉米种子, 找出二者区分度最高的特征波段图像, 通过图像处理方法进行种子分类。 选用主成分分析（PCA）法分析高光谱图像, 分析差异最明显的PC2主成分图像的各波段权重系数并提取出特征波段（501 nm）。 从70粒成熟度较低玉米种子样本高光谱图像上选取成熟和未成熟两类感兴趣区域, 采用偏最小二乘回归（PLSR）法分析两类感兴趣区域的平均光谱, 选取与成熟度相关的敏感波段（518 nm）。 采用波段比运算并结合KW检验, 分析两类感兴趣区域的平均光谱, 找出差异最大的最优波段比（640 nm/525 nm）。 以864粒玉米种子为研究对象, 提取特征波段对应的单波段图像和最优波段比对应的波段比图像, 采用图像处理技术分析图像并判别。 结果表明: 采用单波段灰度图像分割容易将玉米种子冠部的浅色部分误识别为种子成熟度较低的区域, 识别准确率低； 而采用640 nm/525 nm的波段比图像可以减轻这种不利影响, 平均正确识别率为93.9%。 该方法可以有效识别未成熟的玉米种子, 为进一步开发在线分级装备提供了依据。

大气水汽含量（precipitable water vapor, PWV）对遥感定量化及生态环境方面研究具有重要意义。 针对传统水汽探测方法存在的问题, 提出一种基于多通道表观反射率的ICIBR（improved continuum interpolated band ratio）水汽遥感反演方法。 该方法结合MODIS数据第17, 18和19三个近红外通道的水汽吸收特点, 利用MODTRAN模型模拟大气含水量与三个通道ICIBR之间的关系, 构建了适用于MODIS数据的ICIBR大气水汽含量定量反演模型。 基于提出的ICIBR水汽反演方法, 选择北美洲南部典型干旱、 半干旱区德克萨斯州、 俄克拉荷马州等地区为研究区, 使用不同时间的四期MODIS 1B数据进行水汽反演实验。 同时, 选择SuomiNet提供的GPS水汽地基观测数据对反演结果进行精度验证以及MODIS大气水汽产品（MOD05）进行对比评价。 验证和对比结果表明: 该算法水汽反演结果与GPS水汽实测数据具有较高的一致性（r=0.967）, 均方根误差为0.276 cm, 有71.08%的观测点对满足水汽反演误差精度（EE~±0.05+0.15PWVgps）要求, 同时与MOD05大气水汽产品相比, 该方法在反演精度和准确估计方面有了较大提高, 能够有效降低61%的水汽反演高估现象。 该方法较传统算法更为简易、 实用, 具有较高的整体水汽反演精度。

为了得到更加稳健的水体悬浮颗粒物(Suspended Particular Matters, SPM)的反演模型，减少建模数据误差对算法精度的影响，将单波段和对应波段比值的六种经验模型和半经验、半分析模型分别应用于长江口高浊度水域不同航次不同测量仪器测得的实测数据集中，分析了波段比值参数对于提高SPM反演模型稳健性和稳定性的作用。结果表明，采用波段比值参数的模型的精度都远高于相应的单波段模型。在2014年5月和2014年12月航次的数据集中，有的单波段模型失效，总体的最高精度不超过0.5。而相对应的波段比值的建模精度都在0.8左右。另外，将各模型应用于Landsat 8卫星的OLI传感器的遥感数据时，同样，波段比值模型的反演精度高于单波段模型。结果证明，在高浊度的水体中反演SPM浓度时，波段比值遥感参数的应用可以加强反演模型的稳健性。

腐烂是发生在柑橘类水果中最普遍、 最严重的病害, 早期腐烂果的自动化检测有助于提高水果加工业的市场竞争力。 然而, 目前没有有效的自动化检测技术。 以脐橙为研究对象, 利用荧光高光谱成像检测早期腐烂果。 最佳指数OIF理论用于识别腐烂果的最优波段组合(498.6和591.4 nm)。 基于最优波长的比图像及双阈值分割算法, 识别率达到100%。 研究表明, 该方法能有效克服梗伤果及果梗在紫外线诱导下所产生的荧光效应对腐烂果识别的影响。 该研究为基于多光谱成像技术对早期腐烂果的在线检测系统的开发奠定了基础。

以鸡胴体为研究对象，应用高光谱图像技术结合分段主成分分析和波段比等数据处理方法来检测鸡胴体表面粪便污染物。首先采集400\~1000 nm的鸡胴体表面高光谱图像；然后应用分段主成分分析获得7个特征波长(520.64, 542.12, 561.61, 577.04, 595.6, 703.82和852.1 nm)，并以577.04/520.64 nm波段比图像和852.1/703.82 nm波段比图像进行一次波段加运算后的图像作为检测鸡胴体表面粪便污染物的特征图像；最后运用阈值分割和数学形态学完成粪便污染物的提取。实验结果表明，对60个鸡胴体样本进行检测，盲肠、直肠和十二指肠粪便污染物检测正确率分别为100%,100%和96%，检测总正确率为93.3%。

红外双波段成像探测器能接收目标和干扰源在两个波段上的辐射能量。从普朗克黑体辐射定律出发，根据MATLAB软件模拟出的目标和干扰源的辐射特性来选择SW/MW两个红外波段。首先利用仿真程序计算InSb面阵探测器对于点黑体和面黑体的响应结果，由计算结果和测试结果较好的一致性，说明设计的MATLAB仿真程序具有实用性。再从实际研制的HgCdTe128×128叠层式双波段器件结构考虑，通过一定的变换，利用仿真程序对HgCdTeSW/MW双波段成像探测器进行参数性能仿真，达到利用成像及双色比来区分目标和干扰的目的。