准确自动检测台风风眼位置可为台风预报与监测研究提供先验信息，以减少灾害损失。由于台风形态结构的多变性，其中心自动定位仍存在一定的困难。本研究利用台风卫星云图，提出一种基于多尺度镶嵌的R-CNN台风风眼检测方法。收集日本气象厅发布的1981—2017年5000多张台风卫星云图，利用图像数据中风眼眼壁轮廓曲线及内外明暗差别清晰明显的特点对图中风眼进行分割标注。通过台风风眼半径多尺度估算算法，将原始图像划分为多尺度台风云图，整合训练集和测试集。借助多尺度图像镶嵌、超参数选择和多条件测试分析，构建利用多尺度Mask R-CNN模型检测分割台风风眼的总体算法框架，开展多尺度对比实验。在自建标定数据集中，台风风眼的识别准确率最高达到92.63%、最低为88.36%，平均每张图片的检测时间最少为0.043 s，均方误差最小达到2154，平均交并比最大为0.9454。实验结果表明，所提多尺度镶嵌数据增强方法在大中规模尺度融合时效果最好、中小尺度较差，与现有主要数据增强方法相比，能更有效地提升神经网络准确率。整体检测模型在台风中心定位中的综合效率优于其他深度学习定位方法。

水生植物能够净化污染物和抑制藻类生长，在生态系统重建方面具有重要的应用价值。光谱分析作为植物种类识别的一种方法，具有无接触、快速、无污染等特点。受周围水环境的影响，绿色水生植物的光谱特征峰比陆生植物更加难以区分，地面实测光谱数据不仅维度高，且存在大量重叠谱带和背景干扰，特征光谱不明显；同时，通过地面实测获取样本数据较为困难，适用于深度学习的地面光谱数据集较少。针对以上问题，本文提出了一种基于一阶导数法结合AlexNet网络的分类模型。本团队以2019年9—10月上海河道内4种优势种群的近岸挺水水生植物为研究对象，使用地物光谱仪采集4种水生植物叶片部位的光谱信息。实验中，首先使用4种光谱分析法对原始数据进行预处理，比较预处理前后分类模型的准确率，其中一阶导数法结合AlexNet网络的分类模型对4种水生植物的分类精度最高，为99.50%；然后分别选取样本数据的40%、60%和80%作为训练集，验证模型在小样本下的泛化能力；最后利用Grad-CAM算法对模型进行可视化，分析后发现本文模型提取的水生植物的特征光谱与现有研究结果一致。上述研究结果表明，本文模型能够有效提取水生植物的特征光谱，实现对4种水生植物的快速准确分类识别，为高光谱遥感卫星识别此4种水生植物提供了重要参考。

将遥感图像进行像素级海陆分割是海岸线提取的一项基础性工作。由于海岸线的动态变化，获取精准的海岸线标记数据集比较困难，为此采用Google Aerial photo-Maps配对样本，在对Google Maps进行海陆二值化处理后构建了新的配对数据集。针对新数据集样本较少问题，在循环生成对抗网络（CycleGAN）模型的基础上，提出了基于双重注意力机制的DAM-CycleGAN。新模型全面考虑遥感图像和海陆二值化图像之间的结构相似性，改进了循环一致性损失，并设计通道注意力模块和空间注意力模块来凸显显著性特征和区域，以增强模型在小样本训练下的特征学习能力。在均方误差、平均像素精度和平均交并比（MIoU）三个评价指标上，与全卷积神经网络模型、DeepLab模型在多个规模数据集训练下的实验结果对比，改进模型转换的海陆二值化图像与真值图像更加吻合，MIoU值分别至少提高7%、6%以上，验证了所提方法的有效性和可行性。

为了更好地评价图像质量, 解决在基于卷积神经网络的图像质量评价模型(CNN-IQA)上明显忽略的分块图像之间存在差异性的问题, 提出了一种多特征融合的CNN模型。首先, 将整幅图像进行不重叠分块, 并提取每个分块图像的信息熵和纹理特征。然后, 将提取计算的两特征相结合, 计算各分块图像的重要性权重, 以此衡量分块图像对失真图像质量的影响。最后, 根据计算出的重要性权重修改损失函数, 突出重要性高的分块图像在训练过程中发挥的作用。在LIVE数据集进行验证和对比实验发现, 该算法的SROCC与LCC指标为0.962和0.960, 相比原算法至少提升09%; 在TID2008数据集上验证和对比实验发现, 该算法获得的SROCC与LCC指标为0.922和0.926, 相比原算法至少提升06%。并且在两数据集上的结果均优于其他对比算法。实验结果证明了其在预测图像质量方面具有良好的性能和泛化性。

冰面反照率是用来研究寒区水域大气和水体之间能量交换的重要参数, 可以通过遥感数据反演得到。 但是卫星遥感观测的波长和角度都相对固定, 而且视场角有限, 因此获得的表面反射率并不等价于反照率, 还需要根据下垫面情况进行各向异性校正。 冰的前向散射很强, 而且光学性质对其物理参数非常敏感, 因此不同物理性质的冰在不同方向上的反射率也有很大的差异, 给冰面反照率的反演带来了不确定性。 为了解决这些问题, 2019年2月在内蒙古乌梁素海湖对五种性质各异的冰进行了光学性质的现场观测, 测量类型包括: (Ⅰ)阴天不均匀气泡冰; (Ⅱ)表层有大量泥沙的冰; (Ⅲ)稀疏大气泡冰; (Ⅳ)致密小气泡冰; (Ⅴ)融化冰, 并对彼此之间的反照率、 双向反射因子(BRDF)以及各向异性反射因子(ARF)光谱特征的差异进行对比分析。 结果表明: 随着太阳天顶角的增大, 除融化冰的反照率出现了下降以外, 其余冰面反照率都出现不同程度的增大。 冰的双向反射特征呈现出明显的各向异性, 在前向散射方向会形成一个反射的峰值点, 该点的位置会受冰表情况的影响, 而峰值点以外方向上的反射光主要来自冰内体散射, 这部分对观测的天顶角不敏感, 而对方位角的敏感性在短波段会受到冰内部组分均匀程度的影响, 在长波段几乎不受影响。 在对冰的BRDF谱线分析时发现, 冰的体散射谱线形状和反照率谱线很相似, 但是在长波段的减小速度更快, 即体散射在短波段能量更加集中, 而在前向散射方向接近反射峰值点位置上, 能量在长波段更加集中, 短波段较少。 分析ARF谱线可以发现, 冰的体散射对反照率的贡献随波长的增大而减小, 而冰表面反射情况相反。 更重要的是各测量点的ARF谱线的大小顺序和BRDF谱线的顺序并不相同, 说明即使在观测角度一致时, 不同冰的反照率反演参数并不相同。

利用三聚氰胺和碳酸钙成功合成了一种新型吸附剂CaCO3/g-C3N4。通过XRD，FT-IR，SEM，TEM和BET对CaCO3/g-C3N4的结构进行深入研究。实验结果表明: CaCO3/g-C3N4对结晶紫(CV)具有快速、高效的吸附性能(89.34%)和出色的吸附容量(1 209.75 mg/g)。CaCO3/g-C3N4对CV的吸附符合准二级动力学和Langmuir等温吸附模型。同时，基于吸附前后吸附剂的FT-IR和XPS分析，得出π-π堆积，n-π相互作用和氢键协同效应是CaCO3/g-C3N4选择性吸附CV的重要因素。

本文以碳酸锶(SrCO3)和三聚氰胺(C3H6N6)为原料, 采用直接煅烧法制得了一系列m-SCCN复合光催化材料。研究了不同原料配比、不同煅烧温度以及不同煅烧时间制备的m-SCCN复合材料在可见光下对结晶紫溶液的光催化降解效果, 并利用扫描电镜(SEM)、X射线粉末衍射仪(XRD)、紫外-可见吸收光谱(UV-Vis)等对该材料进行表征。结果表明, 在SrCO3∶C3H6N6为7%(w/w), 煅烧温度为600 ℃, 煅烧时间为4 h时对结晶紫处理效果最佳。光照120 min后去除率可达到89.70%, 是纯g-C3N4(17.70%)的5倍。分析机理可能是SrCO3破坏了g-C3N4平面内的部分氢键使得七嗪单元开环生成了强吸电子基团—氰基(-C≡N), 从而改变了光生电子的传输途径, 提高了光生电子和空穴的分离效率, 优化了m-SCCN的光催化活性。

为提高卷积神经网络对图像多尺度变化的感知能力,增加网络的尺度不变性,提出一种基于多尺度卷积特征融合的台风等级分类模型。在卷积神经网络中添加多尺度感知层,对卷积特征进行多尺度感知并进行级联。将多尺度正则化项添加到损失函数中,通过反向传播来最小化隐含层权重的残差,优化模型的特征提取能力。最后将多尺度高层语义特征通过Softmax分类层归一化成各图像类别的概率值,取最大概率值为最后图像的分类结果。为有效验证本模型的多尺度感知能力,选用红外卫星台风云图作为数据集,实验结果表明,本模型能有效感知并提取台风云图的局部特征,并在两个通用数据集MNIST和CIFAR-10上验证了本模型的泛化能力。

在Contourlet域中,结合计算全息技术提出一种基于计算全息的强鲁棒性自适应水印算法.将两个原始水印图像利用共轭对称延拓傅立叶计算全息分别生成对应的全息水印,并利用预处理方法对全息水印进行加密处理.将原始图像进行2级Contourlet变换,得到的中频信息进行8方向分解,得到8个方向子带.利用Contourlet变换的多方向性和各向异性,将两幅加密全息水印自适应地替换中频的两个方向子带,实现水印的嵌入.实验结果表明,含水印图像与原始图像的PSNR值为38385 7 dB,水印隐蔽性好.在JPEG压缩因子为30的情况下,提取的水印信息清晰.当剪切含水印图像30%时,提取出的水印信息依然清晰可辨认.对噪声和低通滤波攻击均有很强的抵抗能力,并且可以有效抵抗打印扫描攻击.在水印提取时,不需要原始图像.本文提出的数字水印算法可以广泛应用在数字图像和印刷图像的版权保护中.

提出了一种新的加密计算全息技术，原始水印图像经过双随机相位编码，所得复数图像经过共轭对称延拓和傅里叶变换后得到全息图，所得全息图解密图像上没有视觉可见噪声污染。将快速识别矩阵(QR)码作为原始水印图像，进行加密得到全息图水印，并嵌入在原始图像的Haar小波对角线中频系数中，在较高的水印信息不可见性的情况下，含水印图像经过打印过程获得的印刷品再扫描后，提取出的全息图水印经解密后依然能够得到可解码的QR 码，QR 码的使用使得算法可以准确定位版权人。所提的数字水印技术有很好的实用价值。