针对传统的基于特征提取的高光谱图像分类算法大多只考虑光谱信息而忽略空间信息的问题，提出了一种基于空谱半监督局部判别分析(S3ELD)和空谱最近邻 (SSNN) 分类器的高光谱图像分类算法。该算法结合高光谱图像的空间一致性，在利用标记样本的判别信息保持数据集可分性的基础上，定义空间近邻像元散度矩阵来保存像元的空间近邻结构，提出基于空谱距离的相似性度量并将其应用于局部流形结构的发现和SSNN的构建。S3ELD算法不仅能揭示数据集的局部几何关系，而且增强了光谱域同类像元和空间域近邻像元在低维嵌入空间的聚集性。结合SSNN进行分类，进一步提升了分类精度。利用PaviaU和Salinas数据集进行的实验结果表明，S3ELD算法的总体分类精度分别达到了92.51%和96.29%；与现有几种算法相比，该算法能更有效地提取出判别特征信息，并达到更高的分类精度。

为了提高高光谱图像的分类精度, 有效利用高光谱图像的空间信息和光谱信息对高光谱图像进行预处理, 本文提出了一种新的空谱联合特征提取方法, 加权空-谱局部保持投影算法(WSSLPP)。该算法结合高光谱图像的物理特性对高光谱图像进行重构, 降低了图像中奇异点的干扰; 然后对局部像素近邻保持嵌入(LPNPE)和局部保持投影(LPP)的目标函数进行加权求和, 有效融合高光谱图像空间维和光谱维的信息来构建投影矩阵。WSSLPP不仅保留了高光谱图像在空间维上像素间的近邻关系, 而且保持了在光谱维上样本的固有结构, 有利于高光谱图像的分类。在Indian Pines和PaviU数据库上对该算法进行验证分析, 结果表明: 基于WSSLPP算法得到的分类精度明显高于其他算法, 总体分类精度的最大值分别为99.00%, 99.50%, 有效提高了高光谱图像的分类精度。

介绍了毫米波导引头在国外现役和在研的空地导弹的应用。在等弹道倾角下滑弹道条件下, 计算并分析了毫米波导引头在俯仰方向的扫描范围及导弹的末端过载能力, 所得结果对于毫米波制导的空地导弹总体设计有一定的参考价值。