高光谱异常检测是检测出与周围背景像素的光谱具有明显差异的目标的过程。研究学者针对高光谱异常检测提出了多种算法，其中低秩协同表示检测器（LRCRD）不仅能够考虑所有像素之间的高光谱相关性，而且用低秩和l₂范数最小化约束字典的系数矩阵，背景字典不需要过度完备，可以更好地表示背景。然而，LRCRD模型并没有考虑到高光谱数据的局部几何信息对于区分背景和异常像素的重要性。将图拉普拉斯正则项引入LRCRD模型中，提出了一种基于图正则化低秩协同表示的异常检测方法，分析数据中的非线性几何信息。该方法保持高光谱图像的局部几何结构，提高了检测精度。在合成和真实高光谱数据集上对所提方法进行了实验验证，实验结果证明了所提方法的可行性。

高光谱图像具有非线性的特点,且光谱间具有较强的相关性,利用线性的方法对高光谱数据进行维数变换容易损失一些信息。将核函数引入到最小噪声分离变换(MNF)中,提出了核最小噪声分离变换(KMNF),通过非线性映射将数据映射到高维特征空间,并在高维空间进行最小噪声分离成分的提取。利用高光谱图像较强的谱间相关性和空间邻域相关性,利用前后两个波段和空间邻域加权进行多元线性回归处理,对高光谱数据进行较准确的噪声估计。约束能量最小化(CEM)方法和匹配滤波(MF)方法是高光谱目标探测中较为经典的方法,将KMNF应用到两个经典的目标探测方法中,利用AVIRIS飞机场数据进行高光谱目标探测实验,结果表明,KMNF更能突出目标,提高高光谱目标探测的效果和精度。

为了解决网格运动统计(GMS)算法在图像发生旋转时特征匹配时间过长的问题,提出一种改进的快速GMS图像匹配算法。首先采用快速特征点提取和描述算法对图像进行暴力匹配以得到初始匹配点对,根据汉明距离选取其中匹配质量较高的特征匹配对。然后通过计算匹配对特征点主方向的差值得到两个图像的近似旋转角度,根据旋转角度直接确定运动核的最佳形态。最后采用GMS算法根据运动核来实现正确匹配与错误匹配的区分,避免循环计算不同形态运动核的匹配结果,减少算法运行时间。实验结果表明,改进算法正确匹配点的数目比传统特征点匹配算法至少提高28%,在匹配速度方面较GMS算法至少可提高36%。

点云数据量十分庞大,合理地精简点云数据是点云数据处理的重要研究内容。针对传统点云精简算法存在的细节缺失、空洞等问题,提出一种基于多参数k-means聚类的自适应点云精简算法。该方法基于KD-Tree创建点云k邻域,结合曲面拟合对点云数据进行曲率和法向特征计算,运用多参数混合特征提取方法对点云特征及边界进行检测并保留;并由KD-Tree索引确定初始化聚类簇心,进行k-means聚类,聚类结果根据最大曲率偏差作细分精简。将本文算法、曲率采样法、均匀网格法与随机精简法分别应用于不同类型的点云模型中进行实验,结果表明,本文算法在复杂模型下的标准偏差均优于后三者,且可以较好地保留点云的细节特征信息,精简效果与模型完整性优于均匀网格法与曲率采样法。

建立了Chirp调制激光激励的红外热波雷达成像检测系统, 提出了基于分数阶傅里叶变换的Chirp锁相算法和基于希尔伯特变换时域积分的HT算法, 实现了对CFRP层板缺陷的检测; 合理设计了模拟缺陷的尺寸分布范围与缺陷判定准则, 采用Hit/miss法分析了信号提取算法对检测概率的影响; 给出了不同检测参数与判定阈值情况下, 相关算法、Chirp锁相算法和HT算法提取结果的检测概率数据, 确定了红外热波雷达成像系统对CFRP层板缺陷的检测概率水平。

提出了一种可实现潮滩表层叶绿素的现场快速、 无损的光学检测方法。 利用反射率光谱对我国潮滩表层沉积物叶绿素-a浓度进行了观测试验。 基于高光谱650, 675及700 nm各波段的反射率, 提出了用于叶绿素浓度反演的归一化底栖微藻差异指数(NDI-MPB)、 及可消除呈直线或近似直线变化的背景噪声光谱的反射谷深度(T-depth)模型。 研究结果表明, NDI-MPB指数与表层沉积物(3 mm)中的叶绿素-a浓度(2.22～49.36 mg·m-2)有极好的线性相关性(r>0.99); 以叶绿素-a浓度表征底栖微型藻类生物量, NDI-MPB可用于潮滩表层底栖微型藻类生物量的遥感监测。

利用不同空间分辨率、 多时相卫星遥感数据, 对2007—2010年间黄海、 东海发生的绿潮(大型绿藻——浒苔)进行了监测与评估。 江苏北部浅滩沿岸水体浑浊, 浒苔在该海域中光谱混合现象严重, 高空间分辨率的遥感影像有利于其检测; 在水体极浑浊的射阳河口检测到的浒苔离岸最近距离为1 km左右。 反演结果表明, 浒苔在5月初会沿苏北沿岸流向南漂移、 影响东海海域; 随着东亚夏季季风的加强, 浒苔主要漂向南黄海并影响山东半岛邻近海域; 在有利的风和海流作用下, 亦可横跨黄海、 影响朝鲜半岛南部邻近海域。