经典移动曲面滤波算法可以对多种地形取得较好的滤波效果,但是该算法取格网内最低点作为地面点时仍存在粗差问题。基于此,提出一种置信区间检验方法,利用残差、均方根误差和置信概率作为参考值,选择最佳的初始种子点。采用格网重叠方式解决相邻格网间板块化问题,同时应用分层聚类自适应阈值确定方法确定高差阈值。对特殊种子点不足、难以拟合曲面的特殊格网,建立平面,设置阈值判断平面是否满足条件。对改进型移动曲面滤波算法与经典移动曲面滤波算法进行定性和定量实验对比,结果证明改进型移动曲面算法对粗差地形可以获得更佳的滤波效果。

在涡流脉冲热像检测中, 检出概率是评价检测可靠性的最重要的指标之一。通常, 检出概率是指在特定检测条件下特定尺寸的缺陷被检出的概率。首先, 以含有不同尺寸疲劳裂纹的金属平板试件为研究对象, 通过正交试验方案设计, 完成了对不同检测条件下不同尺寸裂纹试件表面热响应信号的提取; 然后, 采用线性回归模型建立了裂纹区域的热响应信号与裂纹尺寸的定量化关系, 并采用极大似然估计法给出了裂纹检出概率模型中的具体参数; 最后, 基于Wald方法求得了检出概率的置信区间, 并绘制了检出概率曲线。研究成果可为涡流脉冲热像检测的可靠性评估提供量化依据。

以柏木、 雷竹和无患子野外高光谱数据为基础, 在统计学理论和实践分析的基础上， 提出了利用均值置信区间带筛选树种间最佳特征区分波段及利用Manhattan距离和Min-Max区间相似度识别树种的问题。 研究结果表明: (1) 柏木与雷竹之间的最佳区分波段为358~386， 452~1 145和1 314~2 500 nm， 柏木与无患子之间的最佳区分波段为350~446， 497~527， 553~1 330， 1 355~2 400和2 436~2 500 nm， 雷竹与无患子之间的最佳区分波段为434~555， 580~1 903， 1 914~2 089， 2 172~2 457和2 475~2 500 nm； (2) 在最佳区分波段内， 同种树种间的Manhattan距离远小于异种树种间的Manhattan距离， 同种树种间的Min～Max区间相似度远大于异种树种间的Min～Max区间相似度， Manhattan距离和Min～Max区间相似度可以有效区分和识别不同类型的树种。

通过实验研究了阈噪比(TNR)不变时信噪比(SNR)对激光雷达测距特性的影响，结果表明，信噪比远高于阈噪比时，激光雷达测距数据的离散分布服从正态分布，且随着信噪比的降低，测距数据离散分布逐渐偏离正态分布，呈现上升沿陡下降沿缓的形式；当信噪比接近阈噪比时，测距数据的离散分布又逐渐趋向于正态分布，但此时激光雷达的漏测率迅速增加。在此基础上，采用置信概率68.2%对应置信区间的一半来衡量激光雷达的测距精度，并给出了测距精度计算方法，它能更准确地表征激光雷达测距数据的密集度，具有更好的普适性。