由于三峡库区的复杂地形特点和受到部分区域的阴影遮盖影响，因此水体变化检测容易出现漏检误检。针对这一情况，为了能够提高水体变化检测结果的精度，提出了一种融合Siam-U-Net++和scSE注意力机制的三峡库区水体变化检测算法。利用编码阶段共享权值的Siam-U-Net++为主干网络，在编码器网络单元上选择拥有残差结构的ResNet34网络，快速高效获取水体变化特征信息。在Siam-U-Net++的上采样之后引入结合通道注意力和空间注意力的scSE注意力机制模块。在自制的库区奉节县数据集上分别与LinkNet、U-Net++、DeeplabV3+网络模型以及NDWI进行应用测试，并引用不同注意力机制进行对比实验，其召回率、精确率和F1值分别为94.57%、90.75%、92.62%，均优于其他模型。实验结果表明该算法有效提高了在水体变化检测结果上的效果。

遥感影像由于目标角度各异且普遍密集、小目标占比高、背景复杂等特点，检测精度低。针对水平框算法不再适用于遥感旋转目标，以及主流五参数法存在角度回归的周期性与边缘互换性问题，提出VR-CenterNet，采用向量表示法来进行旋转目标的检测与损失设计，规避角度回归的根本性问题，优化细长目标的偏移高敏问题；针对浅层特征融合的高冗余问题，引入自适应通道激活过滤杂质信息，为强化关键点信息，在主干输出部分引入改进后的全局上下文自适应层激活注意力块。首先在HRSC2016与UCAS-AOU数据集上进行不同算法的性能比较；再在两数据集上进行方法消融实验，以验证各改进方法的有效性。实验结果表明：在HRSC2016与UCAS-AOU数据集上分别取得的了88.48%与90.35%的精度。改进算法能够提升遥感旋转目标的检测精度，为遥感旋转目标的准确检测提供了另外一种解题思路。

色匹配函数通过构建地物反射光的光谱分布与颜色三刺激值的关系可将任意波段的信息映射到三原色基准值上，经过色彩空间的转换后重建多光谱遥感影像。针对大多数多光谱传感器在可见光内波段数量有限、波段通道较窄且波段间隔不均匀，直接在相邻波段间插值会使色匹配积分过程出现较大误差的问题，结合遥感数据的模拟和反向传播（Back Propagation，BP）神经网络，以可见光范围内通道设置丰富的近岸高光谱水色成像仪（Hyperspectral Imager for the Coastal Ocean，HICO）经色匹配函数和色彩空间转换后得到的R、G、B三刺激值作为网络输出值，其波段重建后得到的目标传感器的模拟波段作为输入值，训练得到适用于Landsat-8 OLI、Terra MODIS、Himawari-8 AHI传感器的真彩色影像合成模型。计算均值、标准差、平均梯度和信息熵这4类客观评价参数，并结合对真彩色影像和直方图的主观分析，结果表明该方法能丰富和扩展有限的波段信息，提高影像的清晰度、色彩饱和度以及包含的信息量，校正了三波段合成影像存在的色偏，解决了在原始数据波段数受限的情况下通过简单插补波段带入色匹配函数进行积分计算产成误差的问题。

相较于同源遥感影像地表覆被变化检测，异源影像能综合不同卫星传感器间数据特征和现势性等优势，更好满足应用需求。针对异源遥感影像变化检测中存在的光谱差异和特征空间不一致问题，研究提出编码对齐生成对抗网络实现异源影像的高精度变化检测。考虑到异源影像间通道和数据类型上存在差异，难保持重构前后影像空间结构的一致性，研究通过添加自编码器和构造编码对齐损失，约束编码器输出特征的空间结构变化，使重构前后影像空间结构一致，有效减少信息丢失；在跨域映射过程中为减少源域与目标域间影像的色彩差异，采用循环一致对抗生成网络在无成对影像情况下进行色彩迁移，实现两时相异源影像的相互跨域映射，生成能与原始影像直接对比的无色偏重构影像；利用设计的变化概率权重使网络在训练过程中自动选择样本，有效提取覆被变化信息。实验结果表明：该方法与CGAN、SCCN等方法相比能更充分提取影像特征，降低跨域映射函数的随机性；在4组公开数据集的检测精度分别达到0.93、0.96、0.97、0.88，精度最高；变化检测结果与参考图的一致性、检测差异图质量均最优。因此，该方法在异源遥感影像中能够进行高精度变化检测。

相干斑的存在严重干扰了SAR图像质量，亟需对其抑制处理。传统AD（Anisotropic Diffusion）滤波器边缘检测模型精准度仍有提升空间，且噪声抑制效果往往受限于扩散阈值较难准确估计的问题。针对上述问题，提出了一种融合多方向Sobel算子的相干斑各向异性扩散抑制方法。该方法是SRAD（Speckle Reducing Anisotropic Diffusion）的改进算法，其利用多方向Sobel算子在SAR影像各点处构建了全新的边缘检测模型，并基于此，融合高斯核函数建立了新的AD扩散函数，可有效解决传统AD扩散系数受参数估计限制，提升了相干斑各向异性抑制的准确性。实验选取了3景真实SAR影像进行滤波实验，结果表明：该方法可有效提高边缘检测能力，获取更优相干斑抑制效果。

针对光学遥感图像场景分类存在类别变化、样本数量变化，场景图像中背景与重要物体变换大、尺度变化多的问题，提出基于神经网络注意力架构搜索的光学遥感图像场景分类方法，由算法自适应在神经网络中搜索卷积、池化、注意力等操作，构建能完成光学遥感图像场景分类任务的神经网络。为保证搜索神经网络过程稳定性，提出两段式贪婪策略网络搜索方法，分阶段丢弃无用操作，减少搜索算法负担、提高搜索速度。最后为了关注各物体与场景关联信息，提出自上而下的网络连接策略，充分复用各阶段多尺度特征图的语义。实验结果证明：该方法相较于手工设计的经典深度学习方法具有更好的性能。在AID、NWPU、PATTERNET 3个遥感图像标准数据集上总体精度均超过经典方法。在AID数据集上准确率达到94.04%；在PATTERNET数据集上准确率达到99.62%；在NWPU数据集上达到95.49%。

全球风廓线的测量对提高数值天气预报精度，准确描述气候模型，理解大气中的物理过程具有重要意义。云雨条件下，星载大气风场多普勒速度测量能力依赖于雷达系统参数、云的物理和动力特征及测量方法。基于极化分集脉冲对（Polarization Diversity Pulse-Pair， PDPP）算法，研究了脉冲时序和多普勒速度测量精度的关系。对影响PDPP方法多普勒测量精度的因素进行了仿真分析。结果表明，对W波段雷达，脉冲对重复频率应当在3.5~5 KHz范围。使用0.1°波束宽度的天线在脉冲间隔为30~50 us区间内，能对反射率因子-20 dBZ的云内风速进行测量，精度在1.35 m/s；相同精度要求下，0.2°波束宽度的天线在脉冲间隔为30~40 us范围内，能达到探测灵敏度约-12 dBZ。

建筑是城市精细化管理的基础单元，利用高分遥感影像快速准确地提取城市建筑轮廓信息对于城市规划及管理有着重要意义。研究基于北京二号高分辨率（0.8 m）遥感数据，建立了北京市建筑轮廓样本库，利用多种语义分割模型U-Net、DANet、UA-Net（U Attention Net）和实例分割模型Mask R-CNN、Mask R-CNN FPN、Mask R-CNN RX FPN来提取城市建筑轮廓并开展精度评价，通过对比不同类型建筑（如楼房、别墅及村庄建筑等）的提取效果，最终选择整体精度最高且提取效果最好的U-Net模型提取了北京市域的所有建筑轮廓。结果表明：U-Net、DANet、UA-Net、Mask R-CNN、Mask R-CNN FPN和Mask R-CNN RX FPN模型的分类精度分别为79.37%、65.59%、71.03%、61.82%、52.53%和59.70%，且U-Net模型训练时间相对较少。U-Net模型对于建筑轮廓的提取有良好的表现；对比不同模型的识别效果发现，语义分割模型对于平房型建筑识别较有优势，实例分割模型则适用于提取城区及周边地区独栋楼房别墅的建筑轮廓，这为开展典型建筑轮廓提取任务的模型选择提供了科学依据，并且识别的城市建筑成果在一定程度上解决了城市内部精细尺度研究数据缺失的问题。

在TensorFlow框架下，有对多维数组进行GPU或CPU并行加速运算的特点，选择使用合适的经纬度投影模式，结合FY-3D MERSI L1数据自身带有高精度同分辨率的定位数据，按分辨率生成将经纬度数据对齐的张量（多维数组），计算生成新的像元映射位置信息，直接逐点映射对MERSI数据进行几何校正，同时可消除中分辨率极轨卫星因扫描观测和地球曲率带来的BowTie效应，再使用卷积运算计算反距离加权插值点数值，对几何校正后无数据像素点进行填充。使用这种方法，在TensorFlow框架下用Python语言实现了整个几何校正过程，并与ENVI软件的几何校正结果，对误差和校正精确度进行了对比测试，并且对几何校正的整体处理速度也进行了测试。结果表明本文算法与ENVI软件几何校正一致性高，5%绝对误差百分比以下的精确率大于0.92，结构相似SSIM指数在0.95左右，全部通道使用GPU并行加速完成几何校正的加速比大于36倍。这种方法既保证了几何校正的精度，而且整个数据处理过程快速高效。

开环工作模式是一种交替收发脉冲的合成孔径高度计工作模式，该模式相比于Sentinel-3等卫星高度计的闭环工作模式在单位时间内可获得更多的独立脉冲数，进而提高测距精度。但由于开环模式的脉冲重复频率小于多普勒带宽，其方位向多普勒频谱存在混叠，使得产生的多视回波畸变，降低测距精度。通过研究用合成孔径信号处理过程中距离弯曲与混叠频率的对应关系，提出一种基于多视波束堆栈处理的开环抗混叠滤波方法，对多视波束堆栈进行滤波处理，有效解决了开环模式方位向混叠效应。通过仿真验证，该方法能有效提高测距精度。在2 m有效波高条件下，采用本文提出的开环抗混叠滤波方法的1 Hz测距精度由0.7 cm提高到0.6 cm，提高了14%。

中法海洋卫星（CFOSAT， China-France Oceanography Satellite）散射计是国际上首个扇形波束圆锥扫描体制散射计，可以获得目标多个入射角的观测数据。CFOSAT散射计地面预处理业务软件生成Level-1数据，包括L1A（Level 1A）和L1B（Level 1B）数据。针对CFOSAT散射计Level-1数据跟踪测试需求，设计开发了CFOSAT散射计数据测试软件系统，该系统重点测试分析Sigma0数据。数据测试系统基于MySQL数据库技术，结合OpenMP并行处理技术，采用Matlab和VC++混合编程开发，可高效地获得CFOSAT散射计Sigma0数据质量的测试评估结果。对CFOSAT散射计Sigma0数据的测试分析表明了CFOSAT散射计数据预处理算法的正确性，同时也表明CFOSAT散射计观测精度较高。该软件有助于全面掌握CFOSAT散射计业务数据的状态，为CFOSAT散射计数据预处理算法优化提供重要参考。

为探究不同机器学习模型在我国南方典型湿润山区的植被类型分类效果，基于无人机遥感影像、实地观测数据、数字高程模型建立遥感特征，选用决策树、随机森林、支持向量机和AdaBoost模型在安徽屯溪流域构建植被类型遥感分类模型；选择总体精度、Kappa系数、均方误差、用户精度和生产者精度等评价指标，分析对比4种机器学习模型在典型小流域的适用性。结果表明：对于林地类型，AdaBoost模型分类精度最高，表明AdaBoost模型在林地分类中有明显的优势；对于非林地类型，模型之间精度差异较大，随机森林模型精度最高；整体而言，4种模型在南方典型湿润山区典型小流域均可获得较好的分类效果，其中AdaBoost模型总体精度为95.55%、Kappa系数为0.9419，均为最高，支持向量机模型表现均最低。地形因子、纹理特征等辅助特征为分类过程提供了重要信息，有助于提高分类精度。

传统卫星遥感应用模式复杂繁长，无法满足用户越来越关注的实时化遥感服务需求，为卫星配备智能化大脑，一方面可以降低数据传输带宽，另一方面可以提高数据获取的时效性，因此，星上智能处理已经成为遥感卫星发展的必然选择。但星上处理在轨调试困难，现有遥感卫星星上处理平台的地面测试系统都是卫星实验室测试时，针对不同的卫星载荷临时组建，缺乏通用性且并未形成集成化的装置，导致现有遥感图像星上智能处理的地面测试效率偏低。尤其是面对目前星上处理智能化的新需求，缺乏一套高性能、低功耗、全流程的星上处理地面仿真系统。针对遥感数据处理自动化与智能化发展的新特点，提出了一套基于FPGA与GPU相结合的遥感图像星上处理地面仿真模拟系统。该系统能够在地面模拟实现多种载荷的0到1级数据预处理，在预处理的基础上实现智能遥感影像的加速识别，其关键难点在于遥感图像智能处理算法的高计算复杂度和嵌入式计算机有限计算力之间的平衡；遥感图像处理领域的AI专用算法固化和硬件加速之间的平衡；不同卫星平台测试需求和系统架构通用性之间的平衡。本文阐述了仿真平台设计的方法，构建了基本原型并对其进行了验证。测试结果表明：该系统可以较好地完成星上智能处理典型算法地面全流程测试，所有硬件可以直接上星组装，完备度高，对优化和指导卫星地面仿真系统运行管理体系具有一定的参考价值。

针对多源多尺度影像配准中存在误匹配率较高和配准精度较低的问题，提出了一种基于（Scale-Invariant Feature Transform SIFT）与互信息筛选优化的影像配准算法。首先，采用SIFT算法进行特征点提取，通过快速最近邻逼近搜索（Fast Approximate Nearest Neighbors Search Library，FLANN）算法完成待配准影像的粗匹配，其次，在初始匹配点周围建立4×4邻域，计算匹配点之间的互信息值，对互信息值较小的匹配点进行剔除，寻求筛选优化后的最优变换矩阵，最后输出与基准影像互信息值最大的配准后影像作为最佳配准结果。实验结果表明：该方法与SIFT算法相比可以有效地剔除误匹配点并提高了配准精度。该方法可以应用于多源多尺度遥感影像配准，能够有效地提高配准精度。

黄土高原地貌类型独特而复杂，切沟侵蚀是塑造该区地貌的主要动力之一。研究不同分辨率遥感影像提取切沟的适用性和自动提取方法，可为切沟侵蚀遥感监测和沟蚀防治等提供有效手段。以黄土高原南部山西吉县残塬沟壑区为研究区，使用面向对象分析方法和随机森林分类算法分别从0.5 m Google影像、2 m GF-1融合影像和8 m GF-1多光谱影像中自动提取切沟，分析提取精度，并构建转换模型，提高低分辨率遥感影像提取的切沟沟长、面积参数的精度。结果表明：①依据特征类别，特征变量对于切沟识别的重要性排序如下：光谱特征>纹理特征>几何特征。②0.5 m和2 m分辨率影像切沟分类精度较高，生产者精度和用户精度均达90%以上，8 m GF-1影像切沟分类的生产者精度和用户精度为85%左右。③0.5 m和2 m分辨率影像提取的切沟沟长和沟宽的百分误差分别为5%和13%左右；8 m分辨率影像提取的切沟沟长、面积和沟宽的平均百分误差为18.82%、27.62%和18.93%。④基于0.5 m分辨率Google影像提取的切沟形态特征参数，建立8 m分辨率GF-1影像提取的切沟沟长转换模型（L=1.22L'-0.28）和面积转换模型（A=1.44A'+31.56），转换结果具有较高的精度。

采用STK软件对中法海洋卫星（CFOSAT）散射计几何定位算法进行了验证。针对CFOSAT散射计扇形波束扫描观测体制，分别就扇形波束扫描散射计几何定位原型算法、包含天线安装误差的完整几何定位算法利用STK进行了详细验证。结果表明了CFOSAT扇形波束散射计几何定位算法的准确性，与STK几何定位结果偏差在100 m以内。在此基础上，结合有源定标器实验数据，对CFOSAT实际观测数据几何定位参数进行了校正，给出了CFOSAT散射计几何定位精度的初步评估。

资源一号02D（ZY1-02D）卫星搭载了我国自主研制的可见近红外相机（VNIC）和高光谱相机（AHSI），是我国首颗民用高光谱业务卫星，具有广泛的应用前景。通过整体辐射精度、信噪比、清晰度以及信息熵4个评价指标，对ZY1-02D VNIC和AHSI数据进行辐射质量评价，并分别采用Sentinel-2 MSI和GF-5 AHSI数据进行对比。结果表明： ZY1-02D VNIC数据在可见光波段具有亮度高、信噪比高等优势；在红边近红外等波段，影像具有灰度范围大、信息量大的特点。ZY-1-02D VNIC数据在影像亮度、灰度范围、清晰度和信息量方面均优于Sentinel-2，二者信噪比近似。ZY-1-02D AHSI数据在395—1 341 nm范围内辐射质量良好；在1 929—2 501 nm范围，存在噪声严重的波段，影像质量较差。与GF-5 AHSI数据对比，ZY-1-02D AHSI数据的影像亮度和信噪比相当，但ZY-1-02D AHSI数据在灰度范围方面优势明显，且短波红外谱段的清晰度和信息量优于GF-5 AHSI数据。

为充分融合高光谱遥感图像空间域和频率域的特征信息，提出了一种综合多尺度Gabor和LPQ特征的空谱融合遥感地物识别模型（Ms_GLPQ）。首先，在空间域上利用Gabor滤波器组，提取出遥感图像各类地物多尺度、多方向的空间邻域特征信息，以描述图像的边缘和纹理等空间结构信息；其次，在频率域上将局部相位量化（Local Phase Quantization，LPQ）算子应用于高光谱遥感图像，提取出高光谱图像的多尺度频域纹理特征，获得图像的相位不变特征描述；然后针对其中特征冗余的问题采用主成分分析（PCA）算法进行降维，再将空间域、频率域的特征进行特征融合，获得了能充分描述图像信息的特征向量；最后采用基于提升树的机器学习分类器（XGBoost、CatBoost等）进行识别。在Indian Pines、Salinas和茶树等高光谱遥感数据集上进行学习与分类测试，准确率分别为85.88%、94.42%和92.61%。实验结果表明：与传统方法相比，Ms_GLPQ模型能够提取小比例样本图像中的有效特征，取得了区分性更强的多特征区域描述子，且在采用提升树模型进行分类时效果更优，得到了比常用分类器更高的识别精度。

对HY-2B卫星雷达高度计香港近岸波形进行了统计分析，将近岸非海洋波形分为似海洋波形、似陆地波形、单锥波形。在此基础上，提出基于神经网络分类的星载雷达高度计近岸回波处理方法，提取7项波形特征作为回波分类的输入，构建误差逆传播神经网络（Back propagation，BP），不同的波形类别对应不同的重跟踪方法。其中针对似海洋波形，提出异常波峰剔除的重跟踪方法，有效提高了似海洋波形的重跟踪成功率。使用Jason-2卫星雷达高度计近岸数据进行实验，结果表明重跟踪成功率和数据有效性均得到提高；利用HY-2B卫星雷达高度计直湾岛海域数据进行实验，并将验潮站数据作为参照标准，重跟踪得到的海面高与验潮站的海面高进行差值比较，该方法得到差分序列的标准差为6.5 cm，优于传统处理方法的14.5 cm。

针对非对称指纹计算复杂性高以及带宽效率低的问题，提出了一种基于同态公钥加密的遥感影像非对称指纹方案。在该方案中，内容提供商通过DCT扩频置乱方法加密遥感影像，运用Bresson同态公钥加密来实现解密密钥的非对称分发，通过客户端解密含指纹的遥感影像拷贝，使不同的解密密钥能够生成不同的含指纹拷贝。方案中公钥加密算法并未直接加密遥感影像，由此降低了计算复杂性并提高了加密效率；同时因为内容提供商只需为多个消费者生成相同的指纹拷贝，通过多播传输将其分发给不同的消费者，因此降低了带宽需求。实验表明：在用户数量较大的情况下，该方案可以有效提高带宽效率及加密效率，能够显著降低数据服务器的计算负载，减少用户等待时间。

在数据同化方法中，观测误差协方差矩阵是相关的，且与时间和状态有一定的依赖性。针对这种相关特性，将鲁棒滤波方法与观测误差协方差估计方法相结合，得到随状态时间变化的观测误差协方差，提出一种带有观测误差估计的鲁棒数据同化新方法，更新观测误差协方差，改善估计效果。从分析误差协方差，转移矩阵特征值放大等角度优化同化方法。利用非线性Lorenz-96混沌系统，对三种不同优化角度下带有观测误差估计的鲁棒滤波和原鲁棒滤波方法的鲁棒性和同化精度进行评估，并比较分析了两种方法在模型误差、观测数目和性能水平系数变化时的性能。结果表明：观测误差估计技术能够提高状态估计的精确性，带有观测误差估计的鲁棒滤波对系统参数变化具有较好的鲁棒性。

为评价阴影消除植被指数（Shadow-Eliminated Vegetation Index， SEVI）对常用十米级不同空间分辨率遥感影像的地形阴影消除效果，采用2019年1月24~25日过境的Sentinel S2B（10 m）、GF-1（16 m）、Landsat 8 OLI（30 m）、GF-4（50 m）4种空间分辨率多光谱影像，计算了基于地表反射率的NDVI、SEVI和基于SCS+C模型校正后反射率的NDVI。评价方法包括植被指数数值分析、本影和落影相对误差分析、变异系数分析、植被指数与太阳入射角余弦值（\mathrm{c}\mathrm{o}\mathrm{s}i）散点图分析等。评价结果显示：4种空间分辨率的SEVI在本影相对误差分别为2.172%、1.422%、1.351%、1.060%；对应落影的相对误差分别为2.598%、2.801%、3.795%、2.711%；相应SEVI与\mathrm{c}\mathrm{o}\mathrm{s}i的决定系数分别为0.017 3、0.010 7、0.001 1、0.000 1；相应变异系数分别为10.036%、9.070%、8.051%、1.631%。研究结果表明，SEVI对10~50 m不同空间分辨率遥感影像的地形阴影校正效果良好，优于用SCS+C模型校正后的地表反射率计算的NDVI；遥感影像的地形阴影效应随着空间分辨率降低而减弱。

光学遥感观测极易受到云雾影响，降低数据质量并限制其后续应用潜力。由此，提出了一种基于类内拟合的遥感影像薄云雾校正方法。首先，利用滑动窗口逐波段地搜索局部最小值，称之为暗目标，通过拟合不同波段的暗目标样本估计出薄云雾辐射的相关性。基于此，联合云雾波段相关性与成像模型，生成不含云雾干扰的合成假彩色影像，利用K均值分类自动得到地表覆被类型。利用地类信息，进一步选取晴空区像元获取不同地类在不同波段对间的线性关系。最后，将上述两种线性关系进行联立，求解出各地表类型在不同波段上的值，从而完成影像校正。通过模拟与真实实验对方法有效性和场景适用性进行测试，并从定性目视与定量评估两方面对结果进行检验。实验结果表明：提出方法可有效去除薄云雾干扰，适用于不同地表覆被类型场景，获得高光谱保真的校正地表。

月球目标具有受大气影响小且与背景温度差异明显的特点，可以作为通道配准非常稳定的参考源，用于分析不同通道的成像位置。以风云三号D星（FY-3D）搭载的第二代中分辨率光谱成像仪（MERSI-Ⅱ）为例，介绍了一种利用月球图像进行在轨通道配准的方法。通过对MERSI-Ⅱ各通道月球图像进行预处理，并对图像采取亚像元最大相关迭代的方法进行配准，得到亚像素精度的配准参数；利用月球质心距及灰度差值比较法对配准结果进行评价分析。结果表明：基于月球观测的配准方法具有较高的精度，与月球质心距结果一致性优于0.05像素。同时，利用月球配准结果对MERSI-Ⅱ基于发射前测试的配准结果进行了比对验证，发现目前MERSI-Ⅱ在轨配准偏差整体较小，但在短波通道的扫描方向存在0.5个像素左右的偏差，这对后续高精度的定量产品存在影响。利用该配准方法可以发现长期性的通道配准变化规律，为历史数据再定标及后续的定量化遥感产品开发应用打下基础。

精准/智慧农业需要田块尺度高精度地形数据，而现有耕地范围地形测绘数据不能满足需求。为获得高精度数字高程模型（DEM），以SRTM DEM为基础进行改进，获取2016年6~9月SPOT 6多光谱数据，测量实际高程，将实际高程通过克里金空间插值获得分辨率为6 m的DEM；将SRTM DEM格网的栅格值和植物生长季节的归一化植被指数（Normalized Difference Vegetation Index，NDVI）作为输入量，建立逐步多元回归和BP神经网络模型，以实测的地面高程和无人机获取的DEM数据作为验证，与空间插值方法和资源三号获取DEM进行对比。结果表明：①引入生长季节NDVI的线性回归模型的精度达到96.0%，RMSE为1.12；BP神经网络模型精度达到98.7%，RMSE降为0.86；②生长季节NDVI的时空变化是坡度、坡位等地形因子作用的结果；③利用BP神经网络改进的SRTM DEM获得更高空间分辨率的DEM精度高于资源三号生成的DEM，与无人机DEM的空间趋势相似。可为田间变量管理、精准管理分区、土壤分类与精细制图等提供支持。

由于光学遥感穿透性差，光学图像常受到云层等天气因素干扰而影响其遥感应用。现有基于多时相或单幅图像修复的方法受地物变化及缺乏先验信息的影响，难以恢复云下真实地物信息。利用SAR图像不受云层、光照等因素干扰的特点，提出一种与SAR图像融合的光学图像去云方法。首先利用分形网络演化算法（FNEA）结合形状及光谱特性对云区进行检测，接着采用非下采样剪切波变换（NSST）对光学与SAR图像进行分解，最后对分解后系数结合云区检测结果进行融合，其中低频信息基于改进加权能量和进行融合，高频则结合方向信息熵及脉冲耦合神经网络（PCNN）模型进行融合。以高分一号、二号光学和高分三号SAR图像数据进行实验。结果表明，该方法相较其他5种算法在云区与参考图像有更高的相似性，可以更好地保持纹理及细节特征，在有效解决云层遮挡问题的同时实现图像增强，有利于后续图像分类、目标识别以及图像判别等遥感应用。

毫米波雷达作为汽车自动驾驶重要传感器之一，其主要功能是对车辆周围目标进行距离、速度和角度的测量。根据车载毫米波雷达一般使用场景，设计了一种以快速chirp信号作为发射波形的2发4收TDM-MIMO FMCW毫米波雷达目标检测方案以及相应的3D-FFT目标检测算法，可同时得到目标距离、速度和角度。通过优化天线阵元排布，该方案可有效解决常规TDM-MIMO由于通道时分复用导致对目标测速时的不模糊速度区间减小的问题。相比于常规发射三角波的车载雷达，该方案可以有效避免多目标速度匹配问题；相比于单脉冲测角，该方案可以极大地改善角度分辨率。最后，通过Matlab仿真验证了该方案和算法的有效性。

搭载于“珠海一号”卫星星座的欧比特高光谱OHS（Orbit Hyper Spectral）传感器，以较高的光谱分辨率和空间分辨率，在近岸及内陆湖泊水色遥感应用方面具有很大潜力。然而OHS缺乏星上定标系统，目前在轨定标采用陆地定标场的资料，其定标结果在水体等低反射率地物误差较大。因此提出一种基于传感器入瞳总辐亮度的交叉辐射定标法，该方法结合QAA（Quasi-Analytical Algorithm）准分析算法和6SV2.1辐射传输模型，利用GOCI（Geostationary Ocean Color Imager）多光谱数据对OHS高光谱数据进行交叉辐射定标。研究结果表明：①GOCI和OHS传感器获取的地物辐射相关性好，在可见光波段范围内，R²均高于0.84；②重新定标后的数据能明显改善不同传感器之间的辐射差异，在可见光波段范围内，定标误差小于9%。实验为高光谱传感器的辐射定标提供了一种新的方法，对建立高光谱定量化、业务化水色遥感处理系统，特别对OHS数据在水域的各种应用具有重要意义。

提出一种工作在65~70 GHz强氧气吸收波段的星载差分吸收气压雷达，用以连续获取全球高时空分辨率的海面气压数据。通过对星载差分吸收气压雷达系统设计需求的分析，利用大气廓线数据和大气吸收系数模型，对海面气压差分吸收的性能进行了仿真及性能分析。仿真结果表明：通过强氧气吸收波段下的海面气压和差分吸收指数之间存在线性关系，星载差分吸收气压雷达在66 GHz与69 GHz的工作频率下晴空时得到的海面气压估计的均方根误差在2.6 mbar，不同云况下得到的海面气压估计的均方根误差在3~4 mbar，为后续雷达系统的设计与工程实现提供了参考与依据。

高光谱图像的高维特性和波段间的高相关性，导致高光谱图像地物识别问题研究中，面临着数据量大、信息冗余的问题，降低了高光谱图像的分类识别精度。针对以上问题，提出了基于局部保留降维（Local Fisher Discriminant Analysis，LFDA）结合遗传算法（Genetic Algorithm， GA ）优化极限学习机（Extreme Learning Machine， ELM）的高光谱图像分类方法。首先，采用LFDA对高光谱图像数据进行降维处理，消除信息冗余并保留局部邻域内主要特征；然后用GA优化ELM，对降维处理后的特征样本进行分类，提高高光谱图像的分类识别精度。将该方法应用于Salinas和Pavia University高光谱图像的地物识别问题研究，分类精度分别达到了98.56%和97.11%，由此验证了该方法的有效性。

雷达高度计的主要功能是测量全球平均海平面高度（SSH：Sea Surface Height），它通过准确测量收发脉冲之间的时间间隔来实现精准的星地距离测量，时间测量的准确度取决于高度计时钟的准确性。卫星在轨运行期间，雷达高度计时钟频率会产生缓慢漂移，时钟频率漂移会影响星地距离的测量准确度，造成对海面高程的测量偏差。在基于重建型有源定标器对HY-2A卫星高度计时钟偏差在轨测试方法的基础上，提出了从星地斜距函数曲线时间偏移量中提取高度计时钟偏差的估计方法，应用于HY-2B卫星雷达高度计在轨定标测试中，测量了雷达高度计时钟频率漂移量，精度优于0.001 Hz。结果表明：HY-2B高度计原子钟性能稳定，时钟频率偏差造成的测距偏差为毫米量级，平均测距漂移率为2.95×10^-7 m/d。

地物的“同物异谱”或“异物同谱”问题，使得仅仅依据高光谱影像的光谱信息较难得到理想的分类精度。纹理特征是地物空间分布的重要结构信息，能够一定程度上弥补光谱特征在高光谱遥感影像分类中的不足。纹理特征提取在高光谱遥感影像分类中得到了诸多发展，然而当前的纹理特征方法缺乏较为全面的对比分析。因此，选取旋转不变局部二值模式、简单线性迭代、扩展形态剖面、差分形态剖面、属性剖面、3D-Gabor、联合双边滤波和导向滤波共8种典型的纹理特征方法，利用印第安纳、帕维亚大学和雄安3个高光谱数据集设计分类实验，采用分类精度、计算时间、总体分类精度的标准差来进行定量评价。实验结果表明：扩展形态剖面的总体分类精度和计算速度整体上优于其他7种方法。

林窗的空间格局不仅对林下物种多样性有重要作用，而且也是量化不同林型结构特征的重要指标。近年来，灵活便捷的小型无人机航拍技术的快速发展为获取高分辨率的森林冠层三维结构信息提供了可低成本获取的途径。利用航拍影像提取林窗斑块来计算景观指数是描述林窗格局有效的传统方法，但提取细小林窗往往难度大，尤其是在需要处理大量航拍数据时会大大增加时间成本。基于无人机航拍的RGB影像，在三维建模获取的高精度数字表面模型（DSM）的基础上建立森林高差模型（DSMr），进而提出基于高差模型的信息熵（H）、标准差（STD）、偏度系数（SK）、峰度系数（EK）、纹理参数（GLCM，GLDV）来快速反映林窗空间分布格局的方法，并以黄土高原中部恢复较好的天然林和北部人工刺槐林窗数据检验其有效性。研究结果显示：SK、EK、GLCM、GLDV与林窗格局指数有一定的相关性，两类样方DSMr的SK和EK均与边界密度（ED）显著负相关，SK与斑块密度指数（PD）呈现出显著负相关关系，纹理参数均与景观形状指数（LSI）显著正相关。因此，DSMr参数能有效指示林窗的结构和分布格局，为林窗的生态过程与效应研究提供了更加快捷的变量。

合成孔径雷达（Synthetic Aperture Radar， SAR）作为一种主动微波传感器，被广泛应用于遥感对地观测。然而，传统上的雷达散射模型是基于几何光学近似的，忽略了地物目标之间的相互作用，即多次散射效应。为了充分挖掘和利用毫米波雷达影像中目标电磁散射特性信息，亟需对典型目标的多次散射效应进行建模仿真和验证。基于矩量法（Method of Moments， MoM）分析了球体、二面角等目标表面等效电流分布与分段成像结果的对应关系，并利用后向投影（Back-Projection， BP）算法进行电磁仿真成像，总结了单/双基地雷达模式对成像中散射机制的影响。结果表明：目标表面等效电流分布以及分段等效合成孔径张角会随入射角度发生改变，其中分段等效合成孔径张角会影响方位向分辨率；双基地雷达成像结果中包含更丰富的电磁散射信息。本研究可为SAR系统设计和验证、典型目标回波特性数据收集以及如何基于高解析度SAR影像进行目标识别等研究提供借鉴与参考。

风云三号气象卫星是我国第二代极轨业务气象卫星，具有全球、全天候和多光谱探测能力，装载有微波温度计和微波湿度计2台微波大气探测载荷，自2008年首发星升空后，风云三号微波大气探测载荷资料在防灾减灾和数值天气预报同化应用中发挥了积极作用。风云三号气象卫星微波载荷辐射定标是从原始观测计数值出发获取目标亮温的数据处理技术过程，包括发射前定标、在轨星上定标、综合辐射定标和历史资料再定标4个技术环节。精确的辐射定标是星载被动微波辐射计遥感资料定量应用的基础。本文综述了风云三号气象卫星微波大气探测载荷综合辐射定标技术，介绍了风云三号微波大气探测载荷综合辐射定标基本原理及技术现状，展望了风云气象卫星微波大气探测载荷综合辐射定标技术未来发展。

为了解决传统多尺度红外可见光融合图像边缘模糊、对比度低和目标不显著的问题，提出一种基于互导滤波和显著性映射的红外可见光图像融合算法。由于互导滤波器能将图像一致结构和不一致结构分离并且具有尺度和保边意识，因此首先利用互导滤波器将原图像分解为具有冗余信息的结构层和不同尺度上具有互补信息的纹理层；其次根据过明或过暗区域更容易引起注意的视觉特点构造图像显著性映射函数对结构层和不同尺度的纹理层进行显著性映射；最后根据不同尺度的结构和纹理特性对图像进行融合重构。在两个数据集上的实验结果表明与传统的多尺度融合方法相比提出的方法在保持图像边缘、增强图像对比度、突出目标方面具有较好的主客观评价效果。

热带地区完整中分辨率时间序列遥感数据对于地表过程及地表扰动观测具有重要应用价值。针对热带地区Landsat数据存在云、雾污染及传感器本身缺陷导致的大量数据缺失问题，在现有的条带数据缺失填充算法（GNSPI）基础上，提出三次修复法。该方法能自动识别当前待修复像元前后48 d内有效参考像元，继而经三次修复法实现当前缺失数据的修复。实验结果表明：三次修复法整体平均修复精度（R²）可达0.88，该方法弥补了GNSPI填充算法需要整幅参考影像不存在无效像元方可执行的苛刻要求，提高了有效观测像元的利用率，对于获取热带地区长时间序列有效观测数据具有重要意义。

在调频连续波逆合成孔径雷达成像中，由于雷达发射信号带宽的有限性，雷达接收到的信号经过去调频，脉冲压缩后会呈现一系列等效点目标的二维sinc函数的叠加，所以合成孔径雷达成像不可避免的会受到sinc函数旁瓣叠加问题的影响，据此引进天文图像恢复中广泛使用的CLEAN算法。针对由于雷达实际成像环境的复杂性，以及目标的非匀速运动等导致的回波sinc函数旁瓣失真的问题，提出了在进行CLEAN算法之前先进行时域加窗加权修正旁瓣的方法，减小了不规则旁瓣对后续数据处理的影响。最后，对CLEAN算法中的“脏束”、“清洁波束”进行了修正，使其具有更强的目标检测能力及鲁棒性，提高了成像分辨率。对实测数据的处理表明，该方法对实际工程应用具有一定的参考价值。

针对大尺寸遥感影像目标检测中检测边框不精确的问题，提出使用高斯过程贝叶斯优化对遥感影像中的目标进行精确检测与定位。研究分为两个阶段，第一阶段使用基于边缘信息的EdgeBoxes算法对大尺寸遥感影像进行目标候选区域的选取，用分类器得到初始检测结果；为了得到更加准确的边框，在第二阶段，基于高斯过程的贝叶斯优化对每个目标的边框进行微调：①以目标初始边框为基准，在其周围选取与初始边框相交的边框集合，并得到一个高斯过程分布；②使用贝叶斯优化估计出下一个边框，并将其加入边框集；③求分类器对所有边框的得分，得分最高的边框作为下次迭代的基准边框；④重复若干次贝叶斯优化后得到最终的边框。实验结果表明：EdgeBoxes方法以较少的候选框可以得到较大的召回率，使用高斯过程的贝叶斯优化可以明显地提高检测边框的精度。

针对传统Brovey变换（Brovey Transform，BT）融合存在的光谱信息丢失及光谱扭曲等问题，引入自适应加权平均对其进行改进，并以EO-1 ALI多光谱影像为例，提出一种新的基于改进BT的多光谱影像融合算法。并分别选用信息熵、平均梯度、相关系数、均方根误差等参数对影像融合效果进行综合评价与对比分析，从而验证该算法的有效性和优越性。结果显示：采用改进后的BT融合算法的多光谱融合影像具有较好的光谱信息和空间分辨率，其视觉效果和空间纹理特征都有显著改善，并且较好地延续了源影像的色彩信息，亮度相对适中；能减少融合过程中光谱信息的损失和畸变，在保持光谱信息和清晰度方面与传统BT融合算法相比具有明显优势。