针对传统畸变校正方法无法完成镀膜双镜头多光谱相机影像畸变校正的问题，提出了一种基于数字畸变模型采样的单波段影像畸变校正方法。采用多片后方交会完成相机检校得到各类参数，建立起原始影像的数字畸变模型; 对原始数字畸变模型采样得到各波段数字畸变模型; 利用各波段数字畸变模型完成对应波段影像畸变的校正。实验结果表明，数字畸变模型采样法能够有效解决镀膜双镜头多光谱相机单波段影像畸变的校正问题，校正精度较高; 通过进一步实验证明，经畸变校正后的单波段影像配准误差达到亚像素级，数据可用性高。

遥感影像拼接技术作为影像成图的重要手段，一直是遥感领域研究的热点。在保证拼接精度的同时，如何提高拼接效率，成为低空遥感技术应急应用的难点。针对低空航空遥感影像成像姿态变化剧烈、数据量大等特点，提出针对无序影像改进的基于稀疏矩阵的光束平差SURF拼接算法，即对无序影像进行特征选取和匹配，自行判断相邻和相间位置信息，配准平差中引入稀疏矩阵进行加速。方法在保证精度的同时，极大提高了航空相机影像拼接算法的速度，能很好地解决无人机影像高建筑物的拼接错位问题。无人机倾斜数据集拼接和航空相机影像拼接的结果验证了利用本算法进行高空间分辨率影像拼接的精度和效率。

研究了非量测型移轴组合相机的图像拼接技术, 以双拼移轴相机为研究对象, 探讨了其虚拟像空间坐标系建立, 并以此为基础建立子影像至虚拟影像的变换模型。提出一种基于初值约束的投影矩阵自检校方法, 该方法利用移轴相机检校参数, 结合子影像变换模型, 推导和计算自检校方程, 精确解求虚拟影像拼接参数。设计了室内外地面实验以及航飞实验, 对提出的方法进行了验证。实验结果表明, 利用该方法进行移轴组合相机虚拟影像拼接, 精度优于0.4像素。

介绍一款适用于轻小型无人机的多光谱相机。将多个独立的滤光片依次拼接成滤光片阵列在成像探测器前放置由多个滤光片依次排列而成的滤光片阵列, 一次曝光得到地物目标分条带区域的分波段图像, 通过飞行平台的前向运动获得每个条带区域的多光谱图像。利用平台的前向运动代替了旋转、扫描等机械运动, 减轻了相机重量和体积, 适用于轻小型无人机平台, 由于采用较大的探测器件, 能够获得更多的旁向像素数(约4300)和更宽的旁向幅宽。利用研制的多光谱相机, 在中国科学院怀来遥感站进行了无人机飞行试验, 获取了站区周边的6波段多光谱图像。数据处理结果表明该相机的数据质量能够满足植被指数计算等相关要求。

机载遥感监控系统因其灵活机动、可重复使用且风险小的优势,为专题化、智能化获取国土、资源、环境等遥感信息提供了有力的支持。为了满足大视场范围监控和小视场特定目标观测的需求,设计并实现了基于变焦镜头的机载相机监控系统,能够实现12倍的连续变焦,包括电动变焦控制、高速成像存储以及不同分辨率图像拼接等。在经过地面可靠性验证和总体功能完善后,完成了航空搭载飞行试验,获取了相对航高为3000m、约7GB的连续变焦的不同地面分辨率图像,利用四分法改进的SURF（Speededup robust featrues）拼接算法对不同地面分辨率图像进行连续拼接,能够得到大场景范围的良好拼接图像,并保持高分辨率图像的细节部分。

航空遥感监测中变焦镜头的广泛应用以及飞行高度的变化会获得不同地面分辨率的航空影像, 因此为了实时监控到飞行区域的整体情况, 需要对不同地面分辨率的图像进行拼接。提出了针对不同地面分辨率图像进行拼接的方法。首先用四分法对图像进行分割, 检测变化倍率, 选择配准策略; 然后用基于加速鲁棒性特征 (Speeded-Up Robust Features, SURF) 的算法对相邻图像进行拼接。获得了焦距变化从高倍过渡到低倍, 或从低倍过渡到高倍的拼接图像。通过航空变焦模拟影像的拼接实验和地面变焦影像的拼接实验表明, 该方法能够对不同地面分辨率的图像进行拼接, 且拼接结果均以高分辨率为基准。

分析了航空数字相机像移的产生机理, 提出了一种后推式像移补偿方法。搭建了航空数字相机的航拍仿真试验台, 通过微米电机控制相机镜头反向运动的补偿速度和补偿量, 实现后推式像移补偿。利用图像清晰度评价补偿前后的图像效果, 补偿后像移残差值低于1/3像素。最后给出了后推式补偿方法与软件补偿方法的对比, 结果表明, 后推式补偿方法在补偿精度方面优于软件补偿方法, 说明了该方法的可行性。

分析了辐射归一化在遥感、航测领域中的重要性，针对辐射归一化线性校正法进行了研究，并提出了一种非人工干预、自动化程度高的基于SIFT(尺度不变特征 Scale-Invariant Feature Transform)特征匹配的辐射归一化新方法。通过实验发现，基于SIFT特征匹配的辐射归一化方法能够减少由于大气、照度和传感器差异带来的辐射误差，与传统的方法相比具有结果稳定、自动化程度高的特点.

杂草识别是变量喷雾和物理方法精确除草的前提。 利用自主设计的地面成像光谱系统在自然环境下获取了胡萝卜幼苗以及马齿苋、 牛筋草和地锦等杂草在380～760 nm波长区间的高光谱数据, 通过对数据归一化消除光照条件的影响之后, 运用逐步法进行波段选择, 采用Fisher线性判别方法对杂草与胡萝卜幼苗进行了识别。 结果表明, 当把每种杂草都作为一类加以精细区分时, 运用选择的8个波段建立模型对杂草和胡萝卜幼苗的识别率达85%左右； 当把杂草整体作为一类与胡萝卜幼苗进行区分时, 运用选择的7个波段识别率高于91%。 同时为了设计低成本的杂草识别系统, 通过穷举法选择最优的2和3波段组合, 其中最优3波段组合对杂草胡萝卜幼苗的识别能力与逐步法选择的5个波段相当, 整体识别率达89%。 此外发现, 红边波段对杂草有着显著的识别能力.Spectrometer

镜头的光学畸变是造成数字相机影像误差的主要原因之一，可以用径向畸变表示。为了改正相机的光学畸变，形成了多种径向畸变改正模型。在分析这些模型的基础上，引入了最大畸变量，推导出了这些模型的共同公式形式，揭示了这些模型背后的共性。