结合遥感图像融合的特点, 提出一种联合辐射指数的多流融合生成对抗网络的遥感图像融合方法。该方法从初始的多光谱图像和全色图像中按照特定的规则提取特征图, 利用生成器子网络分别提炼输入的多源图像, 在特征域上叠加特征后通过生成器的主网络进行融合。根据遥感领域中多光谱图像和全色图像在波段上的特性, 在判别器中引入调制传递函数(MTF)来判别融合图像的光谱信息和空间结构信息。为评估所提方法的有效性, 进行视觉分析, 并与其他算法进行客观评价的比较。实验结果表明, 该方法在视觉效果和客观评价上优于其他算法。

字符切分是藏文古籍文档图像分析与识别中重要的一环,针对乌金体藏文古籍文本行倾斜,字符之间笔画交叠、交叉、粘连以及不同程度的笔画断裂、噪声干扰等问题,提出了一种基于结构属性的乌金体藏文字符切分方法。首先,建立了乌金体藏文古籍字符区块库。然后,利用音节点位置信息或结合水平投影与直线检测的方法检测出字符区块的局部基线,并根据基线将字符区块切分为上下两部分;利用改进的模板匹配算法检测基线上方笔画的粘连及其类型,利用多方向、多路径粘连切分算法切分交叉、粘连笔画。最后,根据藏文结构属性对各笔画进行归属,完成字符切分。实验结果表明,本方法能有效解决字符切分中遇到的问题,字符切分的召回率、精确率以及F-Measure可分别达到96.52%、98.24%、97.37%。

光纤激光器在光纤通信、光纤传感、光谱测量等众多领域有着广泛应用。设计并研制了一种基于数字微镜器件（DMD）实现滤波功能并具有多个输出端口的宽带连续可调谐掺铒光纤激光器。用行波速率方程模型对激光器的输出特性进行理论分析和仿真研究；在此基础上，搭建了具有8个输出端口的宽带可调谐掺铒光纤激光器实验系统；结果显示：各端口输出波长范围为50 nm，完整覆盖了整个C波段，并拓展到了S和L波段；激光器的阈值抽运功率为17 mW, 输出激光的3 dB带宽小于0.02 nm，边模抑制比大于50 dB。激光器在100 min内输出稳定性的实验测试结果表明，输出激光的功率波动小于0.4 dB，波长抖动小于0.02 nm。

植被叶面积指数（LAI）时间序列的建模及预测是陆面过程模型和遥感数据同化方法的重要组成部分。 MODIS数据产品MOD15A2是目前应用最为广泛的LAI数据源之一, 然而MODIS LAI时间序列产品包含了一些低质量的数据, 例如由于云层、 气溶胶等的影响, 该产品在时间和空间上缺乏连续性。 MODIS LAI时间序列包含线性部分和外在干扰产生的非线性部分, 单一的线性方法或非线性方法都不能对其精确建模和预测。 首先利用Savitzky-Golay(SG)滤波和线性插值平滑受到干扰的LAI时间序列, 然后采用季节自回归积分滑动平均（SARIMA）方法、 BP神经网络方法及二者的组合方法(SARIMA-BP)对MODIS LAI时间序列进行建模及预测。 在SARIMA-BP神经网络组合方法中, 各自在线性与非线性建模的优势得以充分发挥, 其中SARIMA方法用于建模及预测LAI时间序列中的线性部分, BP神经网络方法用于对非线性残差部分进行建模及预测。 实验结果显示: SG滤波和线性插值后的LAI时间序列比原LAI时间序列更平滑; SARIMA-BP神经网络组合方法的决定系数为0.981, 比SARIMA和BP神经网络的0.941和0.884更接近于1; SARIMA-BP神经网络组合方法的预测值同观测值之间的相关系数为0.991, 高于SARIMA（0.971）和BP神经网络(0.942)的相关系数。 由此得出结论: SARIMA-BP神经网络组合方法对MODIS LAI时间序列具有更好的适应性, 其建模和预测准确性高于SARIMA方法或BP神经网络方法。