针对土壤硒含量光谱数据冗余、模型复杂度较高等问题，本研究系统采集含硒土壤若干份，并获取样本硒含量和光谱信息，对原始光谱进行平滑多元散射校正一阶微分（SG-MSC-FD）光谱增强处理，利用稳定性竞争自适应重加权采样（sCARS）等特征提取算法筛选特征波长，建立土壤硒含量的偏最小二乘（PLSR）、支持向量机（SVM）、随机森林（RF）、海鸥优化随机森林（SOA-RF）预测模型，通过对比不同特征筛选下模型的决定系数（R²）、均方根误差（RMSE）和相对分析误差（RPD），寻找最佳的组合模型。结果表明：不同特征筛选下的模型精度均有较大提升，其中变量组合集群分析法结合遗传算法（VCPA-GA）精度最高，sCARS算法提取的变量数最少，仅占全波段的0.49%；RF较SVM和PLSR模型有更好的鲁棒性，SOA-RF模型的参数最佳，极大地提升了模型的反演精度。综上，经VCPA-GA特征提取下的SOA-RF模型是最佳的预测模型（R²=0.92、RMSE为0.08、RPD为2.911），该模型能够实现对土壤硒含量快速、高效反演。

由于移动源污染遥感监测受到复杂外部环境影响, 难以通过传统统计方法建立车辆行驶工况与污染排放之间的相关性模型, 为此开展了基于移动源遥感监测的影响因素分析及排放预测的研究。首先利用 Spearman 相关性分析排除与移动源污染物主要排放气体 CO、HC、NO 气体浓度无相关性的因素; 其次使用 Lasso 算法确定各成分的关键影响因子, 并采用神经网络构建污染物排放预测模型; 最后在测试集上验证该模型用于移动源污染排放主要成分预测的有效性。模型预测的结果表明, 基于特征筛选的移动源污染排放数据预测神经网络模型具有较高的预测精度, 可以降低城市移动源污染排放检测成本并为相关部门制定相关政策提供数据支持。

为了能够快速、无损地检测采后蓝莓腐烂病害, 利用高光谱成像技术对采后蓝莓腐烂病进行检测。本研究提出光谱信息分割法（SIS)对866.5 nm波段图像蓝莓病害区域进行分割, 取得了较好效果。另外根据正常蓝莓光谱曲线和病害蓝莓光谱曲线, 提出区域特征筛选法（RFS), 并结合竞争适应重加权采样（CARS)和连续投影（SPA)算法对可见光第一区域波段、近红外第二区域波段分别筛选特征波长。最后, 采用相关向量机（RVM)模型和径向基（RBF)神经网络模型对蓝莓腐烂病害进行检测。检测结果表明, 第一区域与第二区域特征波长组合建立的CARS-RBF模型检测效果最好, 特征波长为655.8,710.9,752.2,759.9,761.2,866.5,969.7 nm, 训练集和测试集正常蓝莓与病害蓝莓检测准确率分别为98.3%、98.6%和97.5%、98.75%。本研究提出的光谱信息分割法（SIS)和区域特征筛选法（RFS)检测蓝莓病害, 为蓝莓在线检测和分拣提供了一种新的参考方法。

夜间低照度背景下，为了实现水炮对海面可疑目标的精确驱离，需要对水炮发射的射流轨迹进行提取。通过红外热像仪返回的红外图像中，射流轨迹、空气、海水、驱离目标等灰度信息互相干扰，因此在提取射流轨迹曲线前需要对图像进行基于频域分析的预处理滤波。对灰度图像逐行扫描并标记高频中心点，连接标记的相邻点成独立曲线，可以得到较为平滑的射流轨迹曲线与干扰曲线集合。对得到的曲线集合进行基于位置、方位角、轨迹长度、凹凸性、灰度等特征的筛选，确定满足射流轨迹特征的曲线并分析轨迹落点。实验结果表明，使用该图像处理方法提取射流轨迹的实时性和准确性都较为理想。

用传统的最近邻(KNN)法找出最近邻点后,利用曲面平滑化原理,按照这些点的目标值分布情况进行模式识别的特征筛选,与基于分类的最近邻法相比,减少了人为的分类过程.