为减小植被区域遥感图像分割误差，解决植被区域中待分割目标因覆盖度和噪声等因素造成的过分割和欠分割问题，提出了一种自适应形态学与多尺度结合的植被区域遥感图像分割方法。首先，通过general adaptive neighborhood（GAN）结构元素构造膨胀和腐蚀运算，推导出GAN形态学开、闭运算；然后，构造一种GAN形态学复合型滤波器，填充植被覆盖度不足的孔洞，减小噪声对图像的干扰；最后，通过多尺度分割算法，对遥感图像植被区域进行分割。实验结果表明：所提方法能够有效避免欠分割和过分割现象且能对遥感图像植被区域进行准确分割；与传统多尺度分割和传统形态学与多尺度结合方法相比，所提方法的分割误差较小。

遥感图像背景信息复杂，利用传统形态学进行处理时，固定结构元素的使用容易改变道路的位置和形状，影响图像分割的准确性。为此，提出了一种基于自适应形态学的遥感图像道路提取方法。首先利用非线性结构张量构造自适应椭圆结构元素并定义相应的自适应形态学运算，并根据道路特征构造形态学高低帽变换以增强道路目标；接着通过最大类间方差法实现道路的初步提取；然后设置形状参数识别图像中的目标是否为道路区域；最后通过自适应形态学滤波法去除仍与道路粘连的非道路目标，提取出独立的道路网络。实验结果表明，所提方法能够从背景信息复杂的遥感图像中完整地提取出道路，且提取精度较高。

超声流量计的回波信号中通常存在噪声干扰,导致回波信号难以准确定位。为滤除超声波回波信号中的噪声,提出了一种基于优化变分模态分解(VMD)算法的信号去噪方法。所提方法首先利用互信息准则的信息熵将遗传算法与VMD相关联。然后,将样本熵作为适应度函数,自适应性地优化VMD算法中的参数组合。最后,对原始信号进行分解,利用相关系数计算出有效信号,并将有效信号进一步去噪后进行重构。仿真结果表明,所提方法能有效滤除超声波回波信号中的噪声并且能够完整的保留有用信号。

传统模糊C均值聚类算法在遥感图像水体分割中抑制噪声的能力弱且需人为设定的参数太多。针对这一问题,提出了一种结合引力模型的模糊聚类遥感图像水体分割方法。首先将模糊C均值聚类算法得到的模糊隶属度矩阵作为本文算法的初始隶属度矩阵,然后计算像素灰度值的局部标准差与局部均值的比率,并将归一化的比率作为加权因子来反映邻域像素对中心像素的影响程度,最后,结合空间吸引模型,在局部空间和模糊隶属度关系中引入权衡加权因子,同时考虑中心像素与其相邻像素之间的空间距离和类别隶属度差异,自适应准确地估计来自相邻像素的空间约束,使权衡加权因子完全适应图像内容。实验结果表明,相较于传统的模糊C均值聚类算法以及近年来相关的代表性算法,本文算法的分割性能具有明显的优势,分割准确度均为最高且最高达到97.1%,虚警率下降约15%~30%。

多环芳烃(PAHs)具有强致癌性, 威胁人类身体健康。 在复杂水质检测环境中, 利用荧光光谱检测PAHs浓度时, 由于测量光谱中存在瑞利散射影响, 使得PAHs光谱信号包含明显的非平稳噪声, 常用的多次采样求均值法容易使PAHs光谱存在明显的测量误差, 导致PAHs检测精度下降。 为此, 提出了一种基于3D荧光光谱分析和多维偏最小二乘(N-PLS)的PAHs浓度优化检测方法, 首先分析了菲、 芴、 苊与荧蒽4种PAHs溶液的光谱特性, 通过拟合散射带数据点值消除光谱中的瑞利散射噪声, 同时尽可能地保留原光谱信息。 提取4种PAHs光谱的均值、 方差和一维边际分布等特征参数, 利用聚类分析方法对其光谱数据做样本分类, 将相似光谱数据样本进行合并; 然后根据校正集的光谱信号与不同PAHs浓度之间的关系, 建立N-PLS模型, 对各类PAHs的浓度进行预测分析, 并且验证PAHs浓度与光谱数据荧光强度的关系; 最后利用双线性分解对浓度残差进行修正, 对含有各类PAHs的水溶液与实际水样进行浓度残差验证, 分析了不同参数下PAHs的预测误差。 实验结果表明, 溶剂菲有2个明显的荧光峰值, 激发与发射波长分别为285/245和315/345 nm; 芴与荧蒽均存在6个明显的荧光特征峰值, 分别为265/255, 325/345, 335/325, 365/355, 385/395和405/415 nm, 且与其他PAHs的荧光峰值相距较远; 溶液苊在发射波长300~485 nm的范围内存在连续波峰, 且对应激发波长在255~360 nm范围内; N-PLS方法对不同水质环境下的PAHs预测误差较小, 其中菲与芴均方根误差均小于0.4 μg·L-1, 相对误差小于6%, 苊与荧蒽均方根误差均小于1.0 μg·L-1, 相对误差均小于9%。 对4种不同的PAHs在河流中的扩散趋势进行了仿真分析, 确定出了其扩散程度, 其中芴与菲扩散速率约为51 mg·L-1, 苊与荧蒽扩散速率为21 mg·L-1, 且扩散速率在一定范围内呈线性增长趋势, PAHs与其浓度之间符合朗伯比尔定律的线性关系; 通过不同迭代次数下N-PLS方法的均方根误差分析, 得到了均方根误差精度最高时的迭代次数; 对比了不同主因子数时N-PLS方法对PAHs预测的适应度与相关系数, 结果表明当主因子数为3时, 适应度可达96.5%, 此时N-PLS预测模型效果最佳。 相比其他检测方法, 本文方法检测精度较高, 回收率较好, 具有较强的鲁棒性。

采用数值模拟方法研究了受到高斯光阑限制的啁啾高斯脉冲在色散介质中的光谱特性。建立了色散介质中受高斯光阑限制的啁啾高斯脉冲模型，推导出了脉冲功率谱表达式。以功率谱表达式为基础，仿真分析了高斯光阑半径、啁啾参数、传输距离和离轴半径等因素对光谱特性的影响。结果表明，啁啾参数对光谱的影响只取决于其绝对值，啁啾参数使近场光谱偏离高斯分布，高斯光阑的限制可有效抑制这种偏离。啁啾参数绝对值越大，远场光谱在传输方向上衰减越慢，在离轴方向上衰减越快，能量越向光轴集中。相比无高斯光阑限制，带高斯光阑限制时，光谱在传输方向上衰减更快，在离轴方向上衰减更慢，且在离轴方向上，红移量和谱宽压缩量均明显减小。随着传输距离增大，轴上光谱蓝移，且在远场趋近于高斯分布，中心频率趋近于一个渐进值。

为了对雾霾天气下的图像进行去雾处理, 多幅图像去雾算法是常用的方法之一。 多幅图像去雾算法也有多种形式, 部分算法面临硬件实现困难、 获取途径受限或者可实施性弱等问题, 而且多幅图像比对处理时常常涉及图像配准, 造成算法的实时性差、 计算复杂度高等问题。 针对以上问题, 提出的算法为多幅图像去雾提供了新的思路, 基于双目传感器硬件架构能够同时捕获近红外和可见光图像, 将近红外传感器图像作为新的数据源, 近红外传感器能够在一定程度上穿透雾霾, 在雾天捕获可见光传感器无法捕获的图像细节, 而且硬件实现简单。 可见光图像的颜色信息较丰富, 近红外传感器图像对近处场景细节的描述能力较好, 捕获的图像稍加校正就能实现完全配准, 将近红外图像与可见光图像进行融合, 在去雾的同时, 可以将近红外传感器图像中的原始细节提取融合到彩色可见光传感器图像中, 得到边缘、 轮廓等细节信息更加丰富的去雾图像。 基于上述思路, 借助近红外传感器对边缘细节的描述能力和可见光传感器对颜色信息的反映能力, 提出了一种基于近红外与可见光双通道传感器图像融合的去雾算法。 首先, 将彩色可见光图像转换到HIS彩色空间, 分别得到亮度通道图像、 色调通道图像和饱和度通道图像。 先将其亮度通道图与近红外图像进行融合去雾处理。 采用非下采样Shearlet变换（NSST）进行分解, 对得到的高频系数进行双指数边缘平滑滤波器保边滤波处理, 对低频系数进行反锐化掩蔽处理, 通过融合规则和反向变换得到新的亮度通道图像。 然后, 在对可见光图像的色彩处理中, 建立饱和度图的退化模型, 采用暗原色原理对参数进行估计, 得到估计的饱和度图。 最后, 将新的亮度通道图像, 估计的饱和度图像和原色调图像反映射到RGB空间得到去雾图像。 为了验证新算法的有效性, 特选取四组雾天拍摄的真实近红外图像与可见光图像进行融合去雾处理, 将融合结果与其他两种去雾方法对于彩色可见光图像的去雾效果进行比较。 实验结果表明, 该算法在提高图像的边缘对比度和视觉清晰度上有较好的效果。 并提出将近红外传感器图像作为新的数据源, 采用双通道图像融合方法进行去雾处理, 为图像去雾提供的新的技术思路是可行的。 该算法的优势在于: 首先提出将图像融合方法与去雾算法相结合, 得到了新的去雾算法的思路。 将彩色可见光图像转换到HSI色彩空间, 将其亮度通道图与近红外图像采用非下采样Shearlet变换方法进行融合处理, 在去雾的同时, 可以将近红外传感器图像中的原始细节提取融合到彩色可见光传感器图像中, 使得去雾图像中的边缘、 轮廓等细节信息更加丰富。 其次, 提出了在图像去雾算法中采用新的数据源——近红外传感器图像, 从图像处理的角度, 近红外传感器能够在一定程度上穿透雾霾, 对于近处场景细节的描述能力较好, 而且硬件实现简单, 捕获的图像稍加校正就能实现完全配准, 为后续的融合去雾算法带来了便利, 为图像去雾提供了新的技术途径和路线。 再次, 采用的是多幅图像去雾算法, 该算法基于双目传感器获取图像, 可见光图像的颜色信息较丰富, 近红外图像对于近处场景细节的描述能力较好, 相对于单幅图像去雾算法, 有更好的效果。 最后, 将可见光传感器图像映射到其他色彩空间, 对于每个通道的图像根据其特征有针对性地进行处理。 可见光图像的亮度通道图和近红外图像的处理采用了图像融合和增强处理, 对于可见光图像饱和度通道的处理采用了图像复原算法, 可以从整体上提升去雾效果, 对细节特征有了进一步增强。 该算法为图像去雾提供了新的技术途径和路线。

提出了一种改进的 DNA遗传算法, 以解决遗传算法用于图像分割时收敛速度慢、易早熟的缺点。利用碱基互补的 DNA编码方式增加种群多样性, 防止陷入局部极值; 设计了基于 DNA分子操作的置换自适应交叉算子和密码子变异算子, 从而提高遗传算法的搜索能力, 有效加快了算法的收敛速度和效率, 并将此算法用于寻找二维 Arimoto熵的最佳阈值, 最后对图像进行分割。普通图像和医学图像的分割结果验证了改进 DNA遗传算法用于图像分割的有效性。