由于二氧化氮（NO₂）在大气中的存活寿命较短，卫星遥感反演的对流层NO₂柱浓度与近地面NO₂浓度关系密切。欧洲航天局（ESA）S5P卫星的对流层检测仪（TROPOMI）载荷提供了目前最高空间分辨率的对流层NO₂数据，其在近地面NO₂浓度估算方面的潜在优势亟待检验。为此，本文采用极限梯度提升（XGBoost）算法和4年（2018—2021年）的TROPOMI/臭氧检测仪（OMI）数据估算了我国近地面NO₂浓度并开展了对比性分析。结果表明：1）TROPOMI的估算结果在精度和空间覆盖度两个方面，均明显高于OMI的结果；2）OMI数据由于自身空间分辨率的限制，无法和TROPOMI一样识别出NO₂浓度高值区附近的空间分布细节，导致其估算结果存在更严重的高估或低估。进一步，针对机器学习方法估算近地面NO₂普遍存在高值低估的现象，通过集成模型进行优化，得到了更优的结果（R²=0.85，slope为 0.89）。该研究结果有利于促进卫星遥感在近地面NO₂浓度估算与暴露评估领域的深入应用。

随着高光谱成像技术的发展，利用国产高光谱影像进行大范围土壤参数反演成为了可能，但其反演精度仍有待提高。因此，以陕西大西沟矿区为例，以GF-5高光谱卫星影像以及实测的土壤样本数据为数据源，提出了一种基于遗传算法特征选择的XGBoost土壤铜元素反演模型（GA-XGBoost）。首先，对预处理后的影像数据进行连续统去除等光谱变换，并利用蒙特卡罗交叉验证法（MCCV）剔除异常土壤样本；最后，分别建立基于相关系数与遗传算法特征选择的XGBoost重金属含量反演模型。实验结果表明，相同光谱变换条件下，与基于相关系数特征选择的XGBoost模型相比，所提GA-XGBoost模型性能均有明显改善，其中基于连续统去除变换的GA-XGBoost模型反演效果最优，均方根误差为4.85 mg·kg^-1，拟合优度达0.84，相对预测误差值为2.0。利用该模型进行研究区土壤Cu含量空间分布反演结果表明，该区域开采区周边及道路两侧受到Cu的污染较严重，这一规律与实地调查结果一致。

为解决气体红外光谱识别问题,引入提升算法中较新的研究成果——极端梯度提升(XGBoost)算法。选用实测的三氯甲烷、对二甲苯、四氯乙烯气体的红外光谱数据进行实验。首先在对原始数据进行预处理后,通过特征工程提取光谱特征,生成特征向量;然后建立XGBoost模型,并对模型参数进行调优;最后基于分类准确率指标,将所提模型与随机森林(RF)、支持向量机(SVM)、前馈神经网络(FNN)、卷积神经网络(CNN)模型进行对比。实验结果表明,XGBoost在气体红外光谱识别领域有着广阔的应用前景。

针对低对比度环境下拍摄目标图像所产生的低识别率问题，提出了一种基于小波提升算法的偏振信息融合方法，该方法采用偏振技术进行目标探测，应用小波提升算法所具有的计算量少、处理速度快等优点将偏振度和偏振角等信息分解为高频和低频部分，分别对高、低频系数采用不同规则进行融合，使得融合后目标边缘轮廓完全从低对比度环境中凸显出来，且细节信息完整、清晰，易于人眼对目标的识别。通过对大量低对比度场景下的目标进行识别及对融合结果进行评价，实验表明，该方法能有效地提高低对比度环境下目标的识别效率，验证了算法的可行性。

提出了一种基于现场可编程门阵列(FPGA)的高速9/7二维离散小波变换(2-D DWT)设计。在实现一维离散小波变换(1-D DWT)时采用多级流水线技术, 并使用了改进的提升算法。同时, 使用正则符号编码(CSD编码)和优化的移位加法操作实现乘法器, 使其便于通过硬件实现, 且加快了处理速度。在进行二维离散小波变换时采用改进的基于行的结构, 只需完成3行行变换即可开始列变换, 减少了系统资源的占用。设计通过MATLAB与ModelSim联合仿真, 可以稳定运行在60 MHz时钟频率下, 完全能够满足高速图像实时处理的要求。

由2D图像转换到3D图像, 关键是从原始已知的2D图像(images of limited depth of field(DOF))中生成深度图像。文章提出的是如何在FPGA上实时的对图像进行小波分析, 以便后续利用小波分析的结果得到深度图像。与传统的卷积方法相比, 该硬件框架提升了运算速度, 简化了结构。

针对JPEG2000中小波变换的硬件实现占用资源量大、速度慢等问题，提出了一种有效的二维小波硬件实现模型。该模型采用流水线并行结构，即对图像中各行像素进行流水线处理的同时，对小波分解的各级采用并行结构处理。这样的结构提高了小波变换的处理速度，实现了实时处理，节省了硬件的片上存储及外部存储资源。用FPGA对此模型进行验证。验证实验采用Xinlinx公司的SPARTEN-3系列芯片，对1 024×2 048的大图像进行处理，图像处理速度达到 80 Mpixels/s，满足实时性要求。

为了获得对同一场景更为准确、全面和可靠的图像描述，提出了一种基于脉冲耦合神经网络(PCNN)的图像融合方法。将多源传感器图像配准后的各个源图像用9/7小波变换的提升算法进行分解，从而得到各个源图像的低频分量和高频分量。对于低频分量，采用像素绝对值选大法进行融合；而高频分量则作为PCNN的输入，在迭代结束后，通过比较PCNN点火次数得到一系列融合子图像；然后，用9/7小波的提升算法将获取的一系列多尺度融合子图像进行反变换得到最终的融合图像。设计了可见光图像与红外图像的融合实验，对融合图像的熵、平均梯度、标准差、空间频率进行了定量比较。当使用标准源图像进行融合时，各值比使用传统小波变换与PCNN相结合的图像融合方法分别高0.010 4，0.245 9，0.113 1和0.284 6。

根据光纤SPR传感器光谱的特点和实验系统的实时性监测要求, 提出了一种新的降噪方法——移动小波提升算法。 该方法脱离傅里叶变换, 将复杂滤波过程分解为若干可逆简单过程, 处理快而准, 无须额外内存。 在共振波长为557.70 nm的理论光谱上加一定强度的高斯白噪声, 得到了仿真光谱模型。 分别用基于Haar, CDF(3, 1), DD(4, 2)和5/3小波的移动小波提升算法对此模型进行降噪, 得到共振波长分别为556.45, 564.06, 557.27和557.91 nm。 最后一种算法相对误差最小, 仅0.037 7%。 这比用经证实降噪效果较好的symlet11小波降噪法得到的0.043 03%更低。 不同时刻采集同一检测系统的多组光谱, 其共振波长标准偏差为4.186 7 nm, 经新算法降噪后降为1.560 8 nm, 也优于symlet11小波降噪法的2.725 3 nm。 研究表明, 用移动小波提升算法降噪有效抑制了系统噪声, 减小了噪声对检测共振波长的影响, 保证了光纤SPR传感器的检测精度。

随着空间技术的发展,空间遥感图像的数据量呈几何级数增加。为了满足JPEG2000星载遥感图像压缩系统的实时性要求,提出了一种对压缩算法进行优化和改进的方法。分析了离散小波变换后拉伸提升算法和JPEG2000量化算法。然后,通过一个新的拉伸量化因子将量化过程与后拉伸小波变换中的提升过程结合起来,减少了JPEG2000压缩算法的量化操作。最后,介绍了去量化处理方法的定点实现。实验结果表明:应用去量化处理方法可以使JPEG2000压缩算法中拉伸和量化过程所需要的时间降低50％,提升了JPEG2000星载遥感图像压缩系统的实时处理能力。