地上生物量和叶绿素是紫花苜蓿生长过程中的重要指标, 可以为其生长的动态监测与管理提供有效的帮助。 紫花苜蓿作为最为重要的饲草作物, 如何利用现代光谱智能技术有效且准确地预测其状态是紫花苜蓿种植过程中的重要问题。 基于无人机多光谱对不同品种紫花苜蓿的地上生物量和叶绿素含量的估算结果进行研究并为此构建预估模型。 共研究了21个紫花苜蓿品种, 采用无人机搭载多光谱相机在天气晴朗无风时起飞并拍摄图像, 将无人机拍摄得到的多光谱图像采用ENVI 5.3软件进行分析, 挑选出NDVI、 EVI、 SAVI、 Green NDVI、 NDGI、 DVI、 NGBDI、 OSAVI、 NDRE 和MSR共10个植被参数和无人机多光谱相机自带的5个光谱波段（蓝、 绿、 红、 红边、 近红外）进行特征分析, 再使用Matlab 2020b软件, 采用支持向量机（SVM）构建不同品种紫花苜蓿的地上生物量和叶绿素含量的预测模型。 然而在实际操作的运行中, 发现使用SVM构建的预估模型其准确率不理想, 因此使用智能算法鲸鱼(WOA)和灰狼(GWO)对SVM预估模型进行优化, 发现使用SVM预估模型能预估不同品种的紫花苜蓿的地上生物量和叶绿素含量, 其中经WOA智能算法优化后的SVM预估模型在估算不同品种的紫花苜蓿的地上生物量和叶绿素含量时其准确率最高。 研究中构建的预估模型为筛选品质较好的紫花苜蓿品种有一定的指导意义, 同时也为今后无人机多光谱预估紫花苜蓿的生物量及其相关的生理生态指标提供了有效的帮助和合理的参考依据。

气溶胶一直是环境气候、空气质量和公共卫生方面的重要影响因素。卫星遥感可以实现对地球大视场的观测，已成为气溶胶探测的主流方式之一。为了解星载气溶胶被动光学遥感仪器发展现状和趋势，以多光谱、多角度和偏振观测为立足点，调研了历史上各国星载气溶胶光学遥感仪器的主要技术参数。首先，详细介绍了国际上几款典型仪器的设计参数和其在气溶胶参数反演方面的具体应用情况。然后，对将要发射的先进遥感仪器进行了分析。最后，总结了未来星载气溶胶被动光学遥感仪器的发展方向。集多光谱、多角度、中等空间分辨率、大视场和高精度偏振测量于一体是未来星载气溶胶光学遥感仪器的发展趋势。

为了解决现场指纹图像采集过程中指纹背景颜色复杂、导致对比度和采集效率较低的问题, 采用智能手机设计了便携式指纹图像采集装置。一方面将手机连接单片机, 电动切换不同波长光源, 获得多光谱图像; 另一方面自动采集不同光源下的指纹图像。为确保指纹图像质量满足后续识别需求, 采用多光谱融合及方向滤波技术对图像进行了增强处理。结果表明, 当光源数目为4时, 采集及处理时间低于1s, 满足现场采集需求; 装置能够有效采集指纹图像并融合增强。该装置具有低成本、自动化及便携性高的优点, 有望在刑侦领域取得广泛应用。

在常规CT成像系统中, 发出的X射线是连续能谱的, 导致重建图像出现硬化伪影, 影响了材料组分区分, 无法进行定量表征。 解决这一问题的关键在于实现多能谱CT成像, 利用多个窄能谱段或单能量CT图像, 提高组分与图像灰度的对应性。 相对于传统CT, 能谱CT具有更强的组分区分能力, 有利于实现物体组分的定量分析。 现有的基于光子计数探测器多谱CT在成像时间分辨率和空间分辨率存在局限, 基于能谱滤波的多谱CT能谱区分度受限。 而基于变电压多谱投影序列盲分离的多谱CT, 通过分解连续能谱投影, 获取窄能谱投影, 进而实现能谱CT成像, 确保物质组分与重建图像灰度值的对应性, 实用性较强。 但是由于X射线能谱和物体组分的未知, 在盲分离过程中, 衰减系数未知, 并且能谱划分是不确定的, 导致窄能谱CT重建图像的能量指向性不强, 对应能量值与参考能量偏差偏大, 影响组分定量分析。 因此, 针对盲分离中能谱划分不确定性和重建图像能量指向性问题的开展研究。 利用衰减系数的光电效应和康普顿效应分解, 构建能量约束, 消除能量的不确定性, 降低分解所得投影重建图像的能量与参考能量值的偏差。 在基于以残差的局部方差和最小为优化目标的分解模型中, 将分解模型中的衰减系数按光电效应和康普顿效应分解为能量项和材料项, 利用能量项的可预知性, 依据预先划分的窄能谱段设置其值, 固定各分解投影对应的窄能谱段, 作为对能量的约束条件。 求解所得各分解投影为能量已知投影, 对其重建可得到能量确定的各窄能谱段的图像。 选择衰减系数相近的硅铝材质构成外硅内铝圆柱体进行实验验证, 在有能量约束的求解结果中, 硅铝衰减系数与参考值偏差小于无能量约束, 所得重建图像中硅铝变化率与理论值趋势较一致, 能量指向性强, 与参考能量偏差降低。 结果表明, 所提方法解决了基于变电压序列盲分离多谱CT成像的能量指向问题, 能谱分辨率更高, 组分表征更准确。

多谱CT成像是通过不同谱段的CT图像表征检测对象中的不同组分。 为了便于在同一视图中显示所有组分的信息, 需要研究多谱CT序列的融合方法; 但是常用融合方法如加权平均法、 小波变换融合法等都是针对图像细节信息的优化, 不能表达组分的物理特性, 从而导致融合图像的灰度不具有物理表征性, 影响CT的定量检测。 为此, 结合具有物理表征特征的数据约束模型(DCM), 开展了基于先验组分的多谱CT序列DCM融合算法研究。 首先通过能谱滤波分离的成像方法获得多个能谱范围内的多能投影数据, 采用TV-OSEM算法重建不同能谱段的CT序列; 其次, 利用传统DCM模型和改进DCM模型分别对多谱CT序列进行融合, 传统DCM模型是严格单能的, 由于滤波后能谱的非严格单能特性, 其融合结果不能表征出对象序列中的全部组分。 针对此问题提出了改进DCM模型。 改进DCM模型选择了新的体元定义, 并且在多谱CT序列融合中引入先验组分作为参照, 通过先验物质对融合结果中其他物质进行校准, 实现检测对象中各组分位置的准确分布。 仿真实验表明, 该方法可从物理表征正确性的角度, 实现多谱CT序列融合, 在满足CT序列中不同组分区分的同时, 其融合图像的灰度具有物理可参照性, 有利于后续的CT定量检测。

研究了一种以蓝宝石为基底的可见光/激光/中红外“三光合一”窗口保护型硬质增透膜。首先开展了蓝宝石基底无吸收型硬质氧化物膜层的制备及其工艺最优化的研究,同时基于离子源工艺参数与反应气体流量的控制实现一种中波无吸收的低折射率Si1-xOx膜层,从而实现了全氧化物膜系在中红外波段上的应用。以此为基础,对蓝宝石基底可见光/激光/中红外三波段窗口膜系进行了优化设计与沉积仿真研究。经过大量镀制实验与工艺改进,最终制备出光学与机械性能良好的“三光合一”窗口薄膜,可见光至中红外波段上的平均透过率达到95%以上。镀膜样品一次性通过高低温试验、恒定湿热试验以及重度磨擦试验等。试验结果表明,膜层致密性和表面机械性能良好,具备一定强度的防潮防腐能力和抗激光损伤阈值水平,可适应海洋环境光电窗口的应用需求。

云是遥感图像分析处理的一大障碍,为了解决这一问题,基于高分1号遥感影像光谱和纹理的多维特征信息,提出一种综合优化的云检测方法。 针对光谱检测出的似云区域,采用新的子图分割方法,结合动态阈值设置,有效提高了纹理检测的正确率。由于固定的光谱阈值设置和 纹理检测都无法获取复杂环境下的云层边界信息,算法采用大津法予以修复。结果表明,可有效地检测出影像中的云覆盖区域,实 现薄云、厚云以及厚云边界信息的最佳提取。

现有的X射线CT成像系统, 受限于多谱硬化伪影和传统单能假设的CT成像方法, 只适用于结构分析却无法实现材料组分的有效区分。 对此论文提出了基于能谱匹配先验的多谱CT成像方法。 首先依据材料组分先验, 构建能谱滤波匹配模型, 设置能谱范围参数, 并通过滤波获取该能谱范围内的多能投影序列; 其次, 针对多能投影序列, 以材料组分为先验选择不同参考能量, 采用改进后的ART迭代重建算法, 实现了多谱CT成像。 仿真实验结果表明, 对于衰减系数相近的多种材质, 通过选取两段不同能谱范围, 重建出相应参考能量下的结果, 在一定程度上改善了图像质量, 对比度提高明显, 可实现组分有效区分与成像。