应用KBr压片法、 熔融法分别测定了2,3-二氯吡嗪(2,3-DCP)结晶相和液相下400～4 000 cm-1范围内的傅里叶变换红外光谱(FTIR), 及其600～4 000 cm-1内的傅里叶变换拉曼光谱(FT-Raman)。 采用密度泛函(DFT)理论之B3LYP方法在6-311++G(2df,2pd)基组水平上优化了该分子的平衡几何结构, 基于此结构应用谐性力场计算获得了2,3-DCP的振动频率、 红外强度和拉曼活性并进一步计算了直到四阶的非谐性力场, 将该力场带入标准旋振哈密顿量并利用二阶微扰理论获得了更加准确的振动频率, 相应的红外、 拉曼光谱。 通过非谐力场获得的振动频率位置结合谐性强度与实验结果比对, 对2,3-DCP的各振动带进行了详细指认, 采用简正坐标分析方法得到各振动频率的势能分布(PED), 首次对2,3-DCP的振动光谱进行了全面归属。 结果同时显示: 考虑非谐性效应后的理论结果大大提高了振动频率的预测性, 用其获得的振动频率能很好的再现实验基频, 其与实验值差异大多保持在10 cm-1以下, 即使在谐振预期很差的高频区域, 考虑非谐效应后这种差异也迅速降低到19 cm-1以下, 这对正确归属和预期振动光谱是十分有帮助的。 目前的结论也可推广应用到其他分子体系。

基于带限剪切波变换理论，提出了一种带限剪切波与全变差相结合的去噪算法.根据剪切波变换在不同分解尺度的噪音标准差设置不同的阈值对噪音图像进行重构，以此重构图像作为全变差去噪的初始图像进行全变差最小化去噪，经过迭代后得到最终去噪结果.实验结果表明，与基于多尺度几何分析的其他去噪算法（曲波变换、非下采样轮廓波变换、剪切波变换直接硬阈值去噪）相比，视觉效果与峰值信噪比数值有明显的提高，且保留了更多的纹理、边缘等图像细节信息.

曲波(Curvelet)变换是一种更适合于图像处理的多尺度几何分析 (MGA)方法, 具有很强的方向性。结合 HSI变换将其应用于全色图像和多光谱 (MS)图像融合可以更好地表示图像中的有用特征。首先对多光谱图像进行 HSI变换, 得到亮度分量 I, 对全色图像和 I分量进行曲波变换得到粗尺度系数和细节尺度系数, 对全色图像的粗尺度系数和细节尺度系数进行叠加, 计算归一化的全色曲波系数直方图, 定义边缘有效因子, 利用全色图像的特征信息对融合图像的粗尺度系数进行处理, 对细节尺度系数采用函数对弱边缘进行增强, 对新的曲波系数设计融合规则进行融合, 逆变换后得到新的亮度分量 Inew, 用 Inew替代原亮度分量 I进行逆 HSI变换得到最终融合结果, 采用统计类指标对融合结果进行评价。实验结果表明, 该方法在保持光谱信息和提高空间分辨率上都有较好的效果。

曲波变换是一种更适合于图像处理的多尺度几何分析方法, 具有比小波变换更强的方向选择和辨识能力, 而且对图像边缘的表达更优于小波.结合色度饱合度亮度变换将其应用于合成孔径雷达图像和多光谱图像融合可以更好地表示图像中的有用特征.首先对多光谱图像进行色度饱合度亮度变换, 得到亮度分量I, 对雷达图像和I分量进行曲波变换得到粗尺度系数和细节尺度系数;将雷达图像的粗尺度系数和细节尺度系数进行叠加, 计算归一化的曲波系数直方图, 定义边缘有效因子, 利用合成孔径雷达图像的特征信息将曲波变换系数分为均匀区、非均匀区和亮点目标区.然后采用相应的融合规则对融合图像的粗尺度系数进行处理, 对细节尺度系数采用简单的直接取大方法, 逆变换后得到新的亮度分量.用新的亮度分量替代原亮度分量进行逆色度饱合度亮度变换得到最终融合结果, 利用统计类指标对融合结果进行评价.实验结果表明, 该方法在保持光谱信息和提高空间分辨率上都有较好的效果.

针对复杂背景下的红外弱小目标检测问题，提出了一种基于形态学带通滤波和尺度空间理论的红外弱小目标检测算法。采用形态学带通滤波对红外图像进行预处理，得到红外弱小目标的潜在区域；利用高斯差分算子获得预处理后的红外图像的尺度空间，并通过尺度空间的极大值检测获得候选目标的位置和尺度；通过对候选目标的信杂比进行阈值化实现红外弱小目标的检测。实验结果和现有方法的对比证明了算法的有效性和稳健性。

形态学算子反映了像素的空间相关性信息，将其应用于高光谱遥感图像端元提取可以有效地提升算法性能.本文针对已经普遍用于高光谱遥感图像端元提取的扩展形态学算子在像元排序规则和替换准则上存在的局限性，引入了基准向量的概念并给出计算方法，提出了修正扩展形态学算子.修正后的排序规则和替换准则避免了图像中不同类别交界处的交叉替换现象，保证了正确的覆盖方向，是提高端元提取效果的关键步骤.通过修正扩展形态学算子的基本膨胀和腐蚀运算，定义了相应的开闭运算和闭开运算，由此得出了端元判定向量，并给出端元提取算法的详细流程.基于扩展形态学的自动端元提取算法可以综合考虑光谱和空间信息，端元提取效果优于仅依靠光谱信息的算法.算法由IDL7.0实现，并在AVIRIS于Cuprite地区的高光谱遥感图像上进行实验，实验结果从光谱曲线相似性、端元平均相似度和相应地物分布图等方面证明了算法的有效性.

降维是高光谱图像常用的预处理手段,而核主成份分析通过非线性映射能够挖掘数据的高阶统计特性，是目前较常使用的特征提取方法.本文提出了一种基于优选样本的核主成份分析高光谱图像降维方法，算法挑选参与核主成份分析运算的样本时兼顾整幅高光谱图像的统计特性，以与全图能量分布相近的最小样本集为最终选择样本.本算法由IDL7.0实现，并在实际高光谱图像Cuprite上进行实验.结果表明，在大幅缩短运算时间的同时，降维效果优于传统的核主成份分析方法.

目前图像阈值化中存在的主要问题是分割结果的有效性以及分割数目的确定, 本文提出一种新颖并且原理简单的图像阈值化算法.根据图像在直方图上的直观分布, 提出一种新的阈值判断机制, 该机制基于峰谷对阈值的影响, 累积所有直方图对阈值的认可程度, 并结合一些加速策略, 使得算法具有很强的实用性和适用性.算法结合最终的认可程度的百分比确定取值数目, 进而确定分割数目.在实验中, 引入两种较新的阈值化方法, 本文算法的分割效果在实验比较中表现良好, 也很稳定.该方法在红外图像处理中也得到较为显著的分割效果.

针对多尺度几何变换统计信号处理这一领域的优势,提出一种基于Contourlet域隐马尔可夫树模型的图像融合算法.由于Contourlet变换能克服小波变换在处理高维信号时的不足，它比小波变换具有更好的方向性、较高的逼近精度和更好的稀疏表达性能.而隐马尔可夫树模型能有效捕获尺度间、尺度内的Contourlet系数特性.因此将Contourlet域隐马尔可夫树模型应用于图像融合领域，能充分挖掘数据之间的相关性，更好的提取图像边缘特征，为融合提取更多的特征信息.实验结果表明基于Contourlet域隐马尔可夫树图像融合算法获得的融合图像视觉效果良好，是一种有效且可行的融合算法.

针对高光谱图像波段众多、数据量大的特点，提出了一种基于脉冲耦合神经网络(Pulse Coupled Neural Networks, PCNN)模型的高光谱多波段图像融合方法.根据高光谱图像多输入的特点对原始PCNN模型进行了扩充，采用多通道PCNN模型来对输入图像进行非线性融合处理.通过分析传统变阈值衰减模型的特点及其不足，提出了修正的变阈值指数增加模型，以改善融合效果和降低PCNN运行的时间复杂度.利用记录点火时刻的赋时矩阵得到带有一定增强效果的融合结果图像.实验结果表明，该方法的融合效果要优于传统的主成分分析融合方法和小波变换融合方法.