提出了一种基于图像融合的立体图像质量评价方法。通过对立体图像的左右视图进行图像融合生成一幅彩色图像, 融合算法采用主成分分析（PCA）, 使用归一化互相关（NCC）视差图算法, 生成了对应的视差图; 对融合图像和视差图分别进行归一化亮度系数和谱能量参数的提取, 作为支持向量回归（SVR）的输入数据, 在经过充分的训练后对立体图像的质量评分进行预测。在LIVE 3D立体图像数据库上的实验结果表明, 提出的算法优于最新的无参考立体图像质量评价方法, 与人类的主观评价具有较好的一致性。

由于三维扫描设备采集的点云数据庞大,本文提出了一种特征保持的点云精简方法以在减少冗余数据的同时更好地保持原始曲面的几何特征。首先,利用K均值聚类法在空间域对点云全局聚类,对点云构建K-d树并以K-d树的部分节点作为初始化聚类中心。然后,用主成分分析法估计点云法矢和候选特征点,遍历每个聚类,若类中包含特征点则将该类细分为多个子类,细分时将聚类映射到高斯球。最后,基于自适应均值漂移法对高斯球上的数据进行分类,高斯球上的聚类结果对应为空间聚类细分结果,各聚类中心的集合为精简结果。以多个实物模型为例验证了算法的有效性。结果表明,本文方法精简的点云在平坦区域保留少数点,在高曲率区域保留更多的点。相比于非均匀网格、层次聚类、K均值点云精简法,该方法对包含尖锐特征的曲面精简误差最小,更好地保留了原始曲面的几何特征。

降维是高光谱图像常用的预处理手段,而核主成份分析通过非线性映射能够挖掘数据的高阶统计特性，是目前较常使用的特征提取方法.本文提出了一种基于优选样本的核主成份分析高光谱图像降维方法，算法挑选参与核主成份分析运算的样本时兼顾整幅高光谱图像的统计特性，以与全图能量分布相近的最小样本集为最终选择样本.本算法由IDL7.0实现，并在实际高光谱图像Cuprite上进行实验.结果表明，在大幅缩短运算时间的同时，降维效果优于传统的核主成份分析方法.

在全球快速城市化的大背景下, 土地利用变化检测始终是全球变化研究的重点和热点。 文章研究利用2003和2006年高分辨率SPOT-5遥感影像, 在进行高精度的正射纠正后, 运用多时相PCA光谱增强和多源光谱分类器相结合的方法进行城市土地利用变化检测。 结果表明, 多时相PCA光谱增强后得到前３个主成分集中了绝大部分光谱信息, 其中PC1和PC2增强了土地利用未发生变化的光谱信息, 而变化信息主要集中在PC3。 而多源光谱分类器准确地提取出各种变化和未变化信息。 精度评价结果表明, 本文提出的变化检测方法的总体精度达到92.58%, Kappa系数为0.92, 用户精度和生产精度也都取得满意的结果, 并且精度都明显高于常规的方法(分类后比较法)。

采用光学方法针对四种茶叶及其四种主要组份在800～3800 cm-1中红外“指纹”特征区域的光谱进行系统研究,采集了不同产地的碧螺春和铁观音以及决定茶叶品质的主要成份中咖啡因、谷氨酸和表儿茶素和花青素类物质的中红外光谱。通过建立模型对各特征光谱进行主成份拟合分析了茶叶品种、产地差异与各主要成份含量的关系。结果表明,不同茶叶之间的差异可表现在其主成份相对含量上:对于不同种类茶叶的碧螺春和铁观音,差异主要表现在茶叶有效成份的含量不同,前者中的各组份含量相对较低;对于不同产地的同种茶叶,差异主要表现在咖啡因和表儿茶素的相对含量不同,其中原产地茶叶中含量相对较高。此研究为利用光学方法对茶叶的种类和品质实现快速检测提供重要参考。

为了解决微机械薄膜变形镜的由于整体薄膜宽交连值、单向形变所引起的Zernike模式像差校正能力较低的问题,采用了一种基于主成份分析的波前模式分析方法,方法利用对微机械薄膜变形镜驱动电极影响函数的相关分析,并对新向量组进行了降维处理,得到的模式复原波前基向量有助于减少测量噪声和计算误差的影响.方法对于基于微机械薄膜变形镜的模式控制电压的求解有着重要意义.