针对高光谱遥感图像的特征提取与地物分类，提出一种基于分数阶微分的高光谱图像特征提取方法，设计二维分数阶微分掩模提取高光谱图像的像素空间分数阶微分（SpaFD）特征，并提出一种空谱联合准则用于选取微分掩模阶数。为充分利用高光谱图像的空间特征与光谱特征，将SpaFD特征与原始特征直连融合获得SpaFD-Spe-Spa混合特征，并采用三维卷积神经网络（3DCNN）、先采用主成分分析（PCA）对像素光谱进行降维处理再送入三维卷积神经网络（3DCNN_PCA）以及采用混合光谱网络（HybridSN）验证SpaFD-Spe-Spa混合特征的有效性。实验中分别采用3✕3，5✕5和7✕7的分数阶微分掩模进行空间特征提取，4个真实高光谱图像的实验结果表明，所提取的SpaFD特征和SpaFD-Spe-Spa特征可有效提升高光谱图像的地物分类精度，且SpaFD-Spe-Spa特征对地物分类准确率的提升更为明显：SpaFD特征相比原始特征在Indian Pines，Botswana，Pavia University和Salinas 4个数据上的分类识别率在最优情况下分别提升了3.87%，1.42%，2.41%和2.87%；SpaFD-Spe-Spa特征相比原始特征在Indian Pines，Botswana，Pavia University和Salinas 4个数据上的分类识别率在最优情况下分别提升了3.90%，5.62%，3.35%和5.18%。

针对警戒激光雷达近场信号过饱和与雨、雾等天气形成的近距离虚假信号造成“虚警”或“漏警”的问题，研究了一种基于重叠因子的同轴警戒激光雷达动态范围压缩方法。由经典激光雷达方程以及同轴遮挡和激光光斑能量分布的概率密度函数，建立了激光雷达方程修正模型；针对商用警戒激光雷达进行了响应曲线测试，并与基于激光雷达方程修正模型仿真的响应曲线进行对比分析，验证模型的有效性；仿真分析了发射透镜半径、光阑半径、激光发散角、接收透镜焦距四个参数对响应曲线的影响，结果表明：光阑半径是影响响应曲线的最主要因素，增大光阑半径可以显著压缩近场信号，进而压缩响应曲线的动态范围。论文建立的激光雷达方程修正模型对激光雷达初始设计具有重要指导意义及广泛的应用前景。

针对高光谱遥感图像的非线性解混问题，提出一种多图正则多核非负矩阵分解（MGMKNMF）算法，构造了多核空间中的多图正则项，并基于此构造了包含多核空间的多图正则项、多核权重正则项和多图权重正则项的MGMKNMF目标函数。MGMKNMF可在学习端元与丰度的过程中更新多核权重和多图权重，在合适的多核空间精确构造输入数据的图，解决了图权重和核权重的参数选择的问题。相比核非负矩阵分解（KNMF）的单一核，多核可确定更合适的核空间；相比图正则非负矩阵分解（GNMF）的单一图，多图更准确可靠。2个实测数据集和2个模拟数据集上的实验结果表明MGMKNMF算法是有效的。与GNMF、不含纯像元的核非负矩阵分解、核稀疏非负矩阵分解、基于核的字典剪枝非线性光谱解混、多图正则核非负矩阵分解算法相比，所提MGMKNMF算法在Cuprite和Jasper Ridge真实地物数据集上平均光谱角距离（SAD）值最优，分别为0.092 1和0.097 0；在HAPKE和广义双线性模型模拟数据集上平均SAD最优，分别是0.137 5和0.145 6，均方根误差值表现也最好，分别为0.050 6和0.057 0。

针对高光谱遥感影像中相似光谱的不同地物与野类同时存在时，提取有效的非线性可分性特征的问题，提出一种核加权类对准则。首先，推导出类对形式的核线性判别分析准则，即核类对准则，将核类间和类内散布矩阵均表示为类对形式。然后，提出核加权类对准则，依据核空间中各类对的可分性分别对各类对的核类间和类内散布矩阵进行加权，使得各类对的可分性均衡地保留在特征子空间中。采用K近邻分类器和最小距离分类器评估特征提取的效果。基于两个实测高光谱遥感影像的实验结果均表明：相比原空间法、核线性判别分析方法和kernel weighted pairwise Fisher准则，所提核加权类对准则在降维的同时，通过提高可分性小的类对的识别率来提高整体地物识别率。