激光雷达是一种先进的主动遥感技术，可快速获取目标的三维信息，目前已经被广泛应用于遥感测量中的很多领域。全波形激光雷达以非常小的采样间隔记录激光发射和后向散射回波脉冲强度并以数字化存储，不单可以采集到距离和回波强度信息，还可以采集到整个回波波形。其波形包含有巨大的信息量，能提供地物目标丰富的垂直结构信息，经过处理还可得到能够反映地物固有特性的潜在特征的附加信息，可作为后续目标分割与识别、三维信息提取与量测等处理的性能提升提供不可或缺的信息支撑。本文基于全波形激光雷达数据，通过预处理、波形建模、波形分解及组分分量提取的数据处理流程，提取组分模型中的参数并最终获取各组分分量，并将其应用在实测点云数据的分类中。　　 本研究主要内容包括：⑴验证了一整套全波形数据处理流程。在深入调研全波形激光雷达数据处理研究现状的基础上，凝练并归纳出一整套可行的全波形数据处理流程，主要包括波形数据预处理、波形建模、波形分解、遗失组分探测及组分分量提取等步骤，通过对实测数据的处理，获取了各组分分量，验证了全波形流程的可行性。⑵提出了一种将有限混合模型同LM算法结合的遗失组分探测方法。针对由采用赤池信息量准则预测组分数时存在信息缺失，导致在波形分解中存在遗失组分的问题，本方法通过估计样本集的概率密度并计算出最优的单分量混合模型，建立获取最优的新分量和其混合权重，并最终确定遗失组分的初始模型参数，试验结果表明本方法在保证对后向散射回波波形中组分完整探测的同时，可有效地提高波形分解的精度和效率。⑶提出基于全波形组分分量支持的点云精细分类方法。针对常规的利用点云的空间拓扑关系和高程进行分类时的精细程度不够和精度不高的现状，通过充分分析了各分量的物理含义，并将全波形组分分量引入到点云的分类中去，以满足激光雷达点云精细分类和高精度分类的需求。此外，通过深入分析分量间关系，提出了一种基于IHSL变换的分量去相关变换方法，并通过采用FCM算法对点云实施自动分类，通过变换前后的分类效果的比较，验证了该方法对分量去相关变换在提高点云分类精细度和精度中的可行性和必要性。