为解决基于RGB三通道信息值重构光谱反射率精度不理想的问题, 提出了一种优化的基于RGB三通道信息的光谱反射率重构算法。 首先编码产生随机选择多个光源的个体, RGB三通道值通过多项式回归算法预测多个光源下的三刺激值, 并采用伪逆法进行多光源下的光谱反射率重构, 然后将样本的重构精度作为个体的适应度评估值, 以优胜劣汰, 适者生存为原则对个体进行选择、 交叉、 变异操作, 最后得到适用于颜色样本光谱重构的多个光源与基于这些光源重构得到的光谱反射率。 实验选用Munsell颜色集作为训练样本集, RC24色卡、 SG140色卡作为检测样本集, 8个标准光源和82个发光二极管光源作为实验光源, 采用该算法从90个光源中选取最优的光源组合并重构得到样本的光谱数据, 并与Zhang提出的基于穷举法选择的多光源下的光谱重构方法和A光源下的伪逆法进行了重构精度对比。 实验结果显示该研究提出的方法随着光源个数的增加, 光谱反射率重构精度提高, 特别是光源个数增加到3时, 光谱重构精度提高的幅度最大。 在三种重构方法中, 该方法重构RC24的平均色差和平均光谱均方根误差分别为0.332 4和0.002 9, 而Zhang的方法与伪逆法的平均色差分别为0.429 3和3.266, 平均光谱均方根误差分别为0.029 7和0.004 8; 该文方法重构SG140的平均色差和平均光谱均方根误差分别为0.486 2和0.007 3, 而Zhang的方法与伪逆法的平均色差分别为0.544 8和3.821 9, 平均光谱均方根误差分别为0.035 6和0.013 3。 结果表明基于多光源下的光谱反射率重构精度明显优于基于单个光源下的重构精度, 而基于遗传算法的多光源选择方法又优于穷举法, 它能够根据颜色样本自动寻找到最优光源组合, 从而基于最优多光源下的三刺激值重构样本的光谱反射率, 提高了光谱反射率重构的精度。

针对粒子滤波跟踪算法中重采样所引起的粒子多样性缺失问题, 提出了一种自适应粒子滤波重采样方法。首先将粒子权值进行分类, 中等权值粒子保持不变, 大、小权值粒子进行权值优化组合, 其次对优化组合后的小部分粒子进行系统重采样。最后对粒子的权值及粒子的复制次数分别进行比较运算。试验结果表明, 改进后的粒子滤波算法不仅提高了机动目标跟踪的运算效率, 而且还有效提高了跟踪的稳定性, 目标跟踪更加准确。

提出新的作物冠层叶片氮含量(LNC)高光谱遥感监测方法，以对氮素要求较高的大麦LNC监测为例，利用田间实测数据，从可见光－近红外区域的高光谱反射曲线中提取包含丰富多波段信息的斜率、夹角等新型特征参数，应用组合预测领域中的权重最优组合原理及其算法，实现对作物LNC的高光谱监测.研究表明，提出的高光谱反射曲线斜率和夹角等新型特征参数与作物LNC显著相关，并具有较好的定量响应关系，其中关键斜率参数(Kre/Kpb)和Kpb以及夹角参数(Aδ/Aα)和(Aδ/Aθ)较好地描述了LNC的动态变化; 而权重最优组合分析则表明(Kre/Kpb)和Knir1两个参数的组合最能响应LNC的光谱信息，有助于增强监测的稳定性并提高估测的精度.