本论文分为两部分:小波变换在光谱定量分析与多光谱图像的应用。小波分析技术是新近出现的数学方法,近年来,在光谱分析得到广泛的应用。本论文介绍小波变换和多分辨分析的原理和方法,并将其应用于光谱信号的噪声去除、有用信息的提取等方面,取得良好效果。将小波变换技术应用于MS-3100多光谱图像的近红外通道(Ir)图像的边缘特征提取。同时,将盲解卷积恢复技术结合小波变换的边界提取技术,在一定程度抑制了模糊图像恢复时产生的振铃效应。本论文具体的主要研究内容和结果如下:(1)在小波变换阈值去噪技术中,一般分为硬阈值与软阈值技术两种方法,硬阈值技术会造成重构信号的振荡,软阈值技术会造成重构信号与真实信号的偏差。针对这一缺陷,本论文提出了提升阈值法,在此方法中,利用一可变参数对不同信号的特点自适应地进行阈值调节。同时,在小波变换去噪技术中,其它参数(如小波函数、分解层数、阈值估计函数)对去噪质量都有一定的影响。针对这种情况,本论文提出用模拟退火算法(Simulated Annealing Algorithm,SAA)来优化这些参数,并将提出的算法应用于奶粉的可见-近红外光谱中。结果表明,与其它参数的去噪结果相比,模拟退火算法寻找到的这些参数即是最优的参数。(2)针对在小波包变换(WPT)产生的频带混乱问题,在不改变WPT原算法的基础上,本论文提出了解决频带混乱问题的新算法。并将新算法应用于近红外光谱的小波包分解中,使其在小波包分解域的物理意义清晰化。(3)在小波包分解域中,不同的子频带对模型的贡献是不同的。因此,本论文提出利用SAA对其寻优,寻找出对模型贡献最大的子带频。提出的方法应用于月挂酸成分预测的红外光谱和机油分类的可见-近红外光谱中,用偏最小二乘回归(PLS)建立模型,相比于用全光谱建立的模型,月挂酸的成分预测均方根误差分别从7.9557提高到6.6787,机油分类的成分预测均方根误差从0.2383提高到0.103 1。(4)针对无信息去除算法(UVE)阈值选择的随机性和主观性,提出了改进无信息去除算法(IUVE),即用SAA来寻找最优阈值。同样地将IUVE应用于月挂酸成分预测的红外光谱和机油分类的可见-近红外光谱中,也用偏最小二乘回归(PLS)建立模型,相比于传统的UVE,月挂酸的成分预测均方根误差分别从7.3171提高到7.0171,机油分类从0.1044提高到0.0991。同时,根据在小波包分解域中用少数的几个系数就能够表达大部分原始光谱信息的特点,提出了WPT结合IUVE的方法,从而能够得到紧凑而高效的模型。并将此方法应用于月挂酸成分预测的红外光谱和机油分类的可见-近红外光谱中,相比用原始光谱数据的IUVE中,在没有降低预测均方根误差的前提下,相应的模型所用的变量数目分别从319减少到164和472减少到13。(5)在MS3100多光谱成像仪的三个图像通道中,Ir通道图像特别适合用于作物杂草与背景物(如土壤等)的区分,这非常有利于杂草识别。而形状是识别作物与杂草重要的判别之一,为了把杂草与作物区别,往往需要对采集的图像进行边缘检测。基于B样条小波变换技术的边缘提取算法,有效地弥补了传统的边缘检测检测算法的不足,从而提高边缘定位精度。本论文结合多光谱图像技术和B样条小波边缘提取技术,有效地提取作物与杂草的边缘信息。同时,结合盲解卷积技术与B样条小波边缘提取技术,在一定程度上抑制了图像恢复所产生的振铃效应现象。