潮间带潮滩由于受到潮汐周期性淹没的影响导致难以精准确定其空间分布, 因此, 迫切需要利用遥感技术了解潮滩受潮汐淹没的光谱变化特征, 构建潮滩提取指数, 对潮滩的精准解译提供方法及基础数据支持。 基于多时相Sentinel-2多光谱影像, 通过分析高、 低潮影像上不同地物的光谱反射率特征差异, 优选出能反映潮滩特征的波段, 构建一种海岸带潮滩提取指数。 在此基础上, 从三方面对已构建潮滩指数的可行性进行论证: (1)将潮滩提取指数应用到3个不同潮滩类型的研究区, 研究了潮滩指数的可分离性及对不同潮滩类型区域的适用性, 研究结果表明: 与其他地类相比, 构建的潮滩提取指数对潮滩具有较好的可分离性, 并且适用于砂质、 泥质不同种类的潮滩; (2)研究了潮滩提取指数对不同分类方法(包括最小距离法、 极大似然法、 支持向量机)的适用性, 研究表明: 采用所选取的三种分类方法进行潮滩解译时, 其总体精度均大于93%, Kappa系数均大于0.85, 潮滩提取指数对不同的分类方法均具有普适性, 且可有效提高潮滩的解译精准度; (3)研究了潮滩提取指数对不同数据源的适宜性, 采用“珠海一号”数据与本文Sentinel-2多光谱数据解译潮滩并对比结果, 研究显示: 构建的潮滩提取指数适用于不同数据源, 且取得了较好的潮滩分类精度。 该方法提高了海岸带潮滩遥感提取的准确度, 丰富了潮滩遥感解译理论, 对海岸带潮滩生态系统的科学管理与保护提供了理论指导与意义。

利用覆盖典型海岛的Landsat-8 OLI多光谱卫星遥感影像和收集到的水深数据，分别采用传统多元线性回归模型、机器学习中的back propagation（BP）神经网络模型和随机森林模型对目标海域水深进行整体反演，并对三种方法的反演精度进行评价。结果表明：相比于多元线性回归模型，机器学习方法的水深反演精度更高；随机森林模型的水深反演精度最高，平均绝对误差为1.94 m，平均绝对百分比误差为18.29%，模型的鲁棒性更加出色，整体精度较多元线性回归模型有明显提高。本研究比较三种方法构建的浅海水深模型的性能，为后续更加高效地获取高精度浅海水深信息提供参考价值。

选取中国某近海水域为研究区,基于双向长短期记忆网络(Bi-LSTM),利用2017年8月20日Sentinel-2A影像数据及单波束实测水深数据,通过建模、优化来反演水深值,并与传统反演方法进行精度对比。结果表明,本文提出模型的各项评价指标均最优,均方根误差(RMSE)仅为0.85 m,平均相对误差(MRE)为18.93%,相比于其他方法提高14%~29%,尤其在0~2 m近岸浅水区域,均方根误差提高0.68 m,效果改进明显。同时,利用五折交叉验证循环测试网络模型,其结果显示Bi-LSTM总体精度最高且最为稳定。该模型能够高精度、较稳定地实现近岸水深反演,对无训练样本区域也有一定的适用性。这有利于满足海洋资源开发、海上工程建设以及海洋环境保护等海洋需求。

针对传统二维深度学习方法无法实现三维点云分类问题,提出一种融合光谱信息的机载LiDAR点云三维深度学习分类方法。该方法首先融合机载LiDAR点云和多光谱航空影像进行点云光谱信息扩充,进而在点云格网化和数据增强处理的基础上,采用多层感知机提取出不同尺度下的点特征和全局特征,最后基于三维深度学习算法实现机载LiDAR点云的准确分类。利用国际摄影测量与遥感协会提供的数据集进行所提方法验证,结果表明,融合光谱信息后,机载LiDAR点云分类精度提高了13.39个百分点;与已有方法的对比结果也进一步表明,所提方法可以在减少特征向量提取的情况下,取得较好的分类结果。

颤振是卫星平台在轨运行的固有现象之一,也是高分辨率对地观测卫星研究的难点和热点。针对资源三号02星在轨运行过程中的平台颤振情况,提出了一种基于能量对称分布的相位相关配准算法。结合多光谱相机各谱段相机之间的安装关系,考虑到平台的线性平滑运动特性,采用二次函数消除系统变化量,得到线性拟合的平台颤振曲线,最后利用星敏陀螺数据联合滤波得到卫星姿态复合验证曲线。实验结果表明:在模拟数据情况下,所提配准算法的配准精度能够达到0.05 pixel,可有效辅助探测卫星平台的颤振,并首次探测到资源三号02星平台存在0.63~0.65 Hz的颤振,振幅为0.41″~1.12″。

构建了一种结合光谱特征和纹理特征的多光谱影像决策树分类方法。以Landsat-7影像作为试验数据，通过分析Landsat-7影像的光谱特征值及NDVI、NDWI和NDBI特征值，确定各类地物的综合阈值，同时运用灰度共生矩阵对影像进行纹理信息提取，得到对比度、熵、逆差矩和相关性等纹理特征图像。在此基础上，运用决策树分类法对Landsat-7影像进行分类。结果表明，结合光谱特征和纹理特征的决策树分类方法，相比传统的最大似然法和决策树法，具有更高的分类精度。

针对传统的像素级融合方法对高分辨力影像融合存在较大光谱扭曲的问题，在分析了Geoeye-1 传感器光谱响应特性的基础上，提出了一种适合Geoeye-1 全色与多光谱影像融合的高保真方法。本文所提的方法的改进之处主要体现在两个方面：低空间分辨力全色影像的构建方式和空间细节信息注入系数的选取。利用澳大利亚霍巴特地区的Geoeye-1 全色和多光谱影像进行了试验研究，从主观评价和定量分析综合评价了新方法与传统的影像融合方法的融合效果，结果表明新方法在光谱信息损失最少的情况下，较大地提高了影像的空间分辨力，与其他方法相比具有更好的综合性能。