目前水体提取算法对中低分辨率遥感影像的提取效果较好，但应用于高分辨率影像细小水体时易受混合像元、异物同谱和阴影等因素的影响，从而出现误判。针对高分辨率影像中大面积水体和细小水体同时存在的问题，为快速地提取大面积水体并有效地避免细小水体提取中阴影的影响，采用多尺度和光谱差异分割提取较大面积水体，同时针对细小水体阴影的影响，提出一种新的阴影指数（LGR）结合面向对象的水体提取方法。对所提方法的提取结果与决策树、支持向量机、随机森林、NDWI＋NIR、卷积神经网络提取方法进行比较，实验得出提取水体的精度分别为94.86%、88.85%、87.15%、88.8%、91.46%、92.42%，说明所提方法对高分辨率影像大面积和细小水体具有较高的提取精度，并能通过不同尺度的分割保证较好的提取效率。

针对卷积神经网络（CNN）在分类高光谱图像时空-谱特征利用率不足和分类效率低的问题，提出基于超像素分割与CNN的高光谱图像分类方法。首先利用主成分分析（PCA）提取图像的前12个成分后对前3个主成分进行滤波，对滤波后的3个波段进行超像素分割；然后将样本点映射到超像素内，使其以超像素而不是像素为基本的分类单元；最后利用CNN进行图像分割。在两个公共的数据集WHU-Hi-Longkou和WHU-Hi-HongHu上进行实验，实验结果表明，相比仅利用光谱信息的方法，融合空-谱特征信息的方法的精度得到提升，在两个数据集上的分类精度分别达99.45%和97.60%。

雷达辐射源信号识别在实际战场中是对敌制胜的重要手段。为解决人工提取的雷达辐射源信号特征参数不完备、时效性低等问题，基于模糊函数在表征信号内在结构上的独特作用，提出一种结合模糊函数主脊坐标变换的卷积双向长短时记忆网络的识别方法。首先，为放大不同信号间的差异，采用数学思维将主脊切面转换为极坐标域的几何图像，以此作为神经网络的输入；其次，设计卷积神经网络来挖掘二维时频图的特征信息；最后，搭建双向长短时记忆网络对提取到的特征进行分类识别。仿真实验结果表明，所提方法在信噪比为0 dB以上均能保持100%的准确率，即使信噪比为-6 dB时，识别率仍可达93.58%以上，同时也有效缩短了信号分类时间。结果验证了所提方法不仅能提取信号的隐藏抽象特征，还具备良好的时效性和抗噪性。

为解决雷达辐射源信号特征评价不够客观和缺乏评价依据等问题，提出一种基于区间模糊原理以及模糊交叉熵和多准则折中法的群体评价方法。建立信噪比分级评价模型，再结合三角模糊数的截集和区间逼近思想将雷达辐射源信号特征的评价体系转化为区间直觉模糊数；基于汉明距离进行寻优，得出信噪比权重，并运用区间直觉模糊加权平均算子集成群决策矩阵，基于熵最大化法计算属性权重；采取多准则折中法和模糊交叉熵实现特征方案排序。仿真实验结果表明，所提方法能够给出与实际情况相一致的特征评价排序方案，并和逼近理想点方法、投影模型方法分析结果基本一致，验证了所提方法的可行性和有效性。

提取和补充新的信号参数是解决复杂体制雷达辐射源信号分选难题的有效手段, 模糊函数主脊切面特征是众多新特征参数中较为可行的特征之一.为更快速地搜索信号的模糊函数主脊切面, 文章构建了一种优势遗传搜索的智能算法, 并采用统计假设检验理论对数据进行分析和检验.实验结果表明, 所提方法可使模糊函数主脊切面的平均搜索耗时降低为原方法的28.6%, 且能以较高的概率成功搜索到精度更高的切面特征, 证实了所提方法的有效性和可行性.

提取和补充新的信号参数是解决复杂体制雷达辐射源信号分选难题的有效手段.基于模糊函数在表征信号内在结构上的独特作用,本文提出一种模糊函数主脊切面特征提取的新方法,构建出由主脊方向、切面重心和惯性半径组成的主脊切面特征向量.理论分析和实验结果表明,所提取的特征向量较好地反映了不同信号波形结构上的差异,具有类内聚敛性强和类间分离度大的优点,且具备较好的抗噪性能,证实了所提方法的可行性和有效性.

特征提取是新体制雷达辐射源信号分选识别的征提取方法.在过完备多尺度Chirplet原子库基础上,采用匹配追踪(MP)方法对信号进行时频原子分解,并通过改进量子遗传算法(IQCA)降低MP搜索过程的时间复杂性,得到表示雷达辐射源信号特征信息的本征Chirplet原子.实验结果表明使用更少量的Chirplet原子可以得到比Gabor原子分解更准确的特征信息,证实了本文方法的可行性和有效性.