针对经典语义分割算法中存在的模型庞大、训练困难以及多尺度目标分割等问题, 基于空洞空间金字塔池化(ASPP)和高分辨率网络(HRNet)提出了一种高效的多尺度图像语义分割方法。首先利用深度可分离卷积结合1*1卷积的方式改进了HRNet的基础模块, 减少了模型参数; 其次通过在全部的卷积层之后、修正线性单元(relu)激活函数之前添加批归一化层(BN)改善DeadRelu问题; 最后添加了使用混合扩张卷积框架重构的ASPP, 使用并行的上采样通道融合二者的优势, 获得空间精准的分割结果, 提出了Re-ASPP-HRNet。在公开数据集PASCAL VOC2012和CityScapes上的实验表明, 改进后的方法相比于原HRNet分别实现了0.8%、0.5%平均交并比的精度提升, 且减少了1/2的参数数量以及1/3占用内存。进一步提升了网络的性能, 实现了更加高效可靠、有普适性的多尺度语义分割算法。

针对传统方法难以同时有效地进行多目标分割，现有基于全卷积神经网络的地物分类方法在复杂场景下分类精度不高的问题，提出了一种基于U-net改进的全卷积神经网络DL-Unet，实现了对遥感图像不同类别地物的有效分割。该网络改进了传统的卷积方式，引入扩张卷积，在不增加网络参数的同时增大感受野。针对遥感影像中地物类别不均衡的问题，使用带权重的交叉熵作为模型的损失函数，有效克服了模型的选择偏好。对预测结果采用了相对多数投票策略进一步提高了各个地物类别的像素准确率(PA)。实验结果表明，该模型在各地物类别的平均像素准确率(MPA)和均交并比(MIoU)上相较于经典U-net网络分别提高了5.94%和9.45%，实现了对地物信息的有效分割。

针对木材活节、死节、虫眼等缺陷图像的检测问题, 本文提出了一种基于深度学习的木材缺陷图像检测方法。首先, 通过对Faster-RCNN网络进行训练, 得到了可以对木材缺陷定位和识别的检测模型; 然后, 应用NL-Means方法对图像进行去噪, 通过线性滤波、调整对比度和亮度实现图像增强; 再对图像进行二值化处理, 根据像素值差异提取缺陷边缘特征点集, 实现了对木材缺陷的精细分割; 最后, 对椭圆拟合方法进行了改进, 实现了对木材缺陷边缘点集的椭圆拟合, 提供了新的木材缺陷加工方案。实验结果表明, 该算法具有较好的木材缺陷定位和分类能力, 得到了较好的分割及拟合效果, 可在缺陷修补这一环节减少约10%的木材填充量。

卫星在获取地面信息时会受到大气、电磁波的干扰，导致高光谱影像本身产生坏线和噪声。针对这一问题，本文结合高光谱遥感影像的特性提出了一种基于空谱联合和波段分类的影像重构方法。首先，根据噪声影响程度将影像波段分为坏线强干扰波段和非干扰低噪声波段；其次，对波段进行分组，确定每组参考波段，并对参考波段进行独立重构；然后，根据参考波段构建双模式空谱联合预测模型，利用正则化交叉投影得到非参考波段重构影像；最后，对坏线强干扰波段，先进行独立重构，然后对重构影像进行小波分解，通过高频校正得到了干扰波段最终重构影像。实验表明，本文方法对重构高光谱影像的平均信噪比较传统方法提高了1~2 dB。

高光谱遥感影像通常包含几十或上百个光谱波段，其海量的数据给影像的存储、传输以及后续处理带来了挑战。针对这一问题，根据高光谱遥感影像谱间相关性强的特性，提出了一种结合双参考波段线性预测的基于压缩感知的高光谱遥感影像重构方法。首先，将高光谱遥感影像的波段进行分组，每组确定两个参考波段，使用正交匹配追踪（OMP）算法重构每组的两个参考波段。其次，根据重构恢复的组内的两个参考波段，建立了一个基于双参考波段的线性预测模型，用来计算该组内非参考波段的预测值；然后，使用OMP 算法重构实际测量值与预测测量值的差值，得到差值向量；最后，利用得到的差值向量迭代修正预测测量值，直到恢复该波段原始图像。仿真实验结果表明，该方法提高了高光谱遥感影像的重构效果。

高光谱遥感影像包含丰富的空间、辐射以及光谱信息, 同时海量的数据也引发了高光谱成像技术在传输和存储方面的诸多问题。针对这一问题, 根据高光谱遥感影像谱间相关性强的特性, 提出了一种结合谱间多向预测的基于压缩感知的高光谱遥感影像重构方法。首先, 根据高光谱遥感影像的谱间相关性对高光谱遥感影像的波段进行分组, 每组确定一个参考波段, 使用平滑l0范数算法重构每组的参考波段。其次, 根据重构恢复的相邻组内的参考波段, 建立了一个非参考波段预测模型, 用来计算非参考波段的预测测量值; 然后, 计算实际测量值与预测测量值的差值, 使用SL0算法重构该差值得到差值向量; 最后, 利用得到的差值向量迭代更新预测测量值, 直到恢复该波段原始图像。仿真实验结果表明, 该方法提高了高光谱遥感影像的重构效果。

针对遥感影像本身存在纹理差异, 特征点提取不均匀的自动配准问题, 提出了一种新的多源遥感影像高精度自动配准方法。首先, 对Harris算子进行了改进, 使其提取特征点覆盖范围更广; 然后, 对影像进行分块处理, 对每块用文章改进的Harris算子进行特征点提取, 并采用分块迭代剔除策略, 保证了特征点在整幅影像中的均匀分布和非冗余分布; 其次提出了金字塔-双向-最小二乘多匹配算法进行影像匹配, 完成了最终同名点选取; 最后利用小三角形面元TIN对影像进行了精确纠正。实验结果表明本文方法获取同名点均匀合理, 能够更好地实现多源遥感影像的高精度配准, 具有一定实际意义。

多源遥感影像融合中，通常不同地物区域对光谱特征和空间细节信息的要求有所不同。针对该特点，提出了一种 IR(自适应半径搜索 )显著性分析模型，实现了对多源遥感影像显著性区域和非显著性区域的识别与划分。结合 HIS与小波变换融合算法，提出了改进的自适应平均梯度加权 HIS融合方法，实现了对道路、农田、居民区等显著性区域的融合，更好的保留了其丰富的空间细节信息；同时提出了 HIS+WT变换的融合方法，实现了对山地、林地等非显著性区域的融合，保留了较多的光谱信息。以此实现了分区域的自适应遥感影像融合。实验结果表明，本文方法能够使融合后的遥感影像既能保持较高的空间细节表现能力，又能很好地保留其光谱信息。对农业科学、森林规划以及今后森林遥感影像分类、识别等研究提供了一定的理论基础与应用价值。

由于油页岩反应炉在工作时, 内部发生的物理和化学变化以及动力学过程极其复杂, 而传统手段很难准确快速地实现料面温度场仿真。针对该问题, 提出了一种基于数据融合的油页岩反应炉料面温度场智能仿真方法。该方法首先从工艺机理的角度分析了油页岩反应炉红外热像、十字测温信息以及与实际料面温度场之间的数值关系, 然后在充分使用油页岩反应炉十字测温信息的基础上, 通过基于两点法的分区域动态温度定标方法对红外图像进行温度场的模拟。实验结果显示, 该方法具有较好的泛化能力和较高的精确度, 能够快速有效地实现油页岩反应炉内部料面温度场的自动化和可视化检测。