目前，基于数字地表模型（DSM）提取数字高程模型（DEM）的研究多以平坦地区为研究对象，且精度较低。本文提出了一种基于区域生长的DEM提取算法，该算法以区域生长算法为基础，采用最大类间方差法（OTSU）实现区域生长中种子点、生长准则和终止条件的自适应选择。该方法不仅可从平坦地区和地形复杂的山区的DSM中识别地面点和提取DEM，且能有效解决区域生长算法将地面和地面附着物（本文中地面附着物以高架道路为例）识别为同一类的问题。与附近最小值法进行试验对比，结果表明，本文算法能够较好地提高DEM提取精度，识别地面点的制图精度达90%以上，可靠性和稳定性较强。
为了考察几种主流软件的无人机影像处理能力,本文在同等硬件环境和相同数据的条件下,对PixelGrid、DPGrid、PHOTOMOD、Inpho、IPS生成正射影像图的效率和质量进行了比较,并对比较结果及各软件的特点进行了探讨。
深度学习一直是机器学习和人工智能研究的热门主题，特别是将深度学习这一深层网络学习算法和遥感影像分类与识别联合起来，使得传统训练算法的局部最小性得以解决。本文首先简要介绍了遥感影像分类与识别算法的发展和经典算法的局限性，其次介绍了深度学习的几种主流算法并分析它们在遥感影像分类与识别处理方面的应用现状，最后对未来深度学习应用于遥感识别与分类趋势进行了展望。
传统卫星影像纠正常针对单景影像，且需要一定数量的外业控制点作为参考，严重制约了正射纠正效率。本文提出了一种卫星影像区域网平差方法，利用影像间的连接点进行RPC模型的前方交会，并用少量控制点进行仿射变换，实现了多轨多景卫星影像的区域网平差。经测试，本文方法可有效减少外业控制点，提高卫星影像正射纠正效率。
对病虫害进行监测和预警是精准农业的一个重要研究方向，可有效提高粮食产量和质量。本文从使用高光谱遥感技术监测农作物病虫害的原理和技术路线出发，首先阐述了4种光谱特征提取和变换方法，包括原始光谱的导数变换与对数变换、基于光谱位置和面积的特征参数、基于连续统去除的特征参数和植被指数；然后论述了基于统计分析、机器学习和物理模型的3种病虫害监测参数反演方法，建立了光谱反射率和病虫害监测参数间的回归关系；最后分析了将高光谱遥感技术用于农作物病虫害监测的优势和存在问题。
即时定位与地图构建（SLAM）是机器人领域的关键技术之一。基于SLAM技术可以对视觉信息和激光雷达数据进行三维重建与地图构建，这些三维模型及地图在测绘领域有着广泛的应用，尤其是更加精确的三维模型数据，对于精确测量和高精度导航等方面有着重要的意义。因此，本文从测绘领域的视角对SLAM技术的发展、原理及其在测绘领域的应用进行了论述和讨论，且对SLAM技术在测绘领域的应用前景进行了展望，为国内外测绘和机器人方面的研究人员提供了重要参考。
室内空间数据模型的表达能力是影响室内位置服务的关键因素，在进行室内空间位置服务之前，需要建立能够表达室内空间复杂特征的模型。针对这一需求，本文提出了一种多元混合室内空间模型，该模型基于传统的对象特征模型、几何空间模型和符号空间模型，通过其表达的几何和拓扑特征的优化组合来实现，可充分表达室内位置和目标间的连通关系，满足室内位置服务需求。针对大量应用程序需要相同的数据模型进行导航分析和信息交换，本文提出了一种使用IndoorGML描述室内空间模型的方法，该方法可实现室内空间模型信息在各设备端的共享。以北京某大型商场为例，建立了多元混合空间模型并使用IndoorGML对其进行描述，最后通过两目标间路径分析证明本文方法的应用价值。
