在基于强度信息的光学相干断层扫描血管造影（OCTA）技术中，去相关映射被广泛应用，但该方法易受噪声影响，尤其是对于低信噪比区域，噪声会使帧间高相关的静态组织信号呈现出高去相关性，与血流信号的高去相关值混叠，从而会降低微血管图像的成像质量。本文提出了一种基于局部信噪比动态阈值调节的分光谱振幅去相关方法，首先探讨了图像局部信噪比与静态体素去相关值的关系及影响因素，并以分频谱处理数据的方式削弱轴向运动伪影并加强血流信息，然后依据图像局部信噪比与静态体素去相关的关系调整设定阈值，用以判定区分动静态体素，阈值以下的去相关值视为静态体素，结合Sigmoid函数予以抑制。采用该算法在高信噪比的皮肤数据和低信噪比的视网膜数据处理中均能取得较好的效果：皮肤enface图像信噪比提升约4 dB；视网膜enface图像的对比度相较其他算法优势明显，相比于未进行静态抑制的分频谱振幅去相关造影（SSADA）方法，enface图像的对比度提升了0.0182。可见该方法能够有效地抑制微血管图像中的静态体素噪声，提升图像对比度和血管可视性，有利于疾病的诊断和评估。

提出一种应用于光学相干层析成像（OCT）的色散补偿方法，目的是抑制点扩散函数的轴向展宽并提高系统的信噪比。基于信号空域脉冲随色散的退化性质，构建出信号空域脉宽平方对二阶色散平方的线性方程组，然后将色散增量引入原始信号得到新的信号，并代入方程组即可求解出原始信号的二阶色散，进一步构建补偿相位对原始信号进行色散校正。将该方法应用在点扩散函数修正和生物组织图像的色散补偿中，实验结果表明：点扩散函数的峰值信噪比提高5.11 dB，在效果相近的情况下，所提方法比迭代法快5倍，比分数阶傅里叶变换（FrFT）法快50倍。校正后图像的轴向分辨能力和对比度得到提高，生物样品的结构特征更加清晰。

公路撒落物是影响行车安全、造成交通堵塞的重要因素，及时检测并清理公路撒落物十分重要。通过总结分析撒落物的特点，利用点云处理定位精度高和图像处理分类精度高的特点，提出一种基于图像与点云融合的公路撒落物检测算法。所提算法包括路面目标提取、点云与图像信息融合和撒落物目标分类等3个步骤。首先，通过激光雷达点云进行道路边缘检测、地面点云滤波和点云聚类，提取路面上的目标点云团簇；然后，将目标点云团簇投影到时间与空间对齐的视觉图像中，获取对应的图像感兴趣区域；最后，使用优化后的ResNet-50进行目标分类。所提算法的平均检测精确率为94.84%，召回率为91.92%，具有良好的检测效果。

在公路的使用过程中，其表面会产生危害结构健康的裂缝，研究高效精确裂缝分割算法已成为交通运输领域的一个重要课题。在现有的基于图像的裂缝分割方法中，由数据驱动的深度学习技术展现出了强大的适用性。但基于神经网络的裂缝分割模型普遍缺乏对模型实时性的关注，为平衡模型精度和速度，选择合适的架构超参数，设计了一套架构超参数挑选框架，提出了实时路面裂缝分割模型（FastCrack-SPOS）。首先，设置不同的待选宽度（16，32，48，64，80）、深度（D1，D2，D3）、下采样倍率（1/4，1/8，1/32），构建出45组不同结构模型，分析每种参数对模型性能的影响；然后，使用神经架构搜索技术为模型每层自动搜索合适类型的卷积块，进而构建出最终模型。实验结果表明：所提架构超参数挑选框架在轻量级裂缝分割模型的设计上十分有效；构建出的FastCrack-SPOS在路面裂缝数据集上的交并比达62.88%；参数量仅0.29×10⁶，相比现有模型，减少95%；处理1024×1024的图像的速度达147 frame/s，在速度和精度间取得了平衡，具有较高的实际应用价值。

光学相干层析成像（OCT）的图像质量会受到散斑噪声的影响，限制了OCT在临床诊断中的应用。叠加取平均是一种降噪的常用方法，作为相干噪声，散斑降噪的关键在于降低用于叠加的图像之间的散斑相关度。提出了一种基于纯随机相位板的散斑去相关OCT系统（PSD-OCT）。利用纯随机相位板调制样品光的波前相位以实现散斑去相关，从而为采用叠加取平均降低OCT 图像噪声的方法提供低相关数据。成像实验证明了纯随机相位板能够降低散斑相关度，提升叠加图像的散斑信噪比，使得生物样品的精细结构更为清晰明显。与传统OCT的相关叠加相比，PSD-OCT的去相关叠加可以大幅降低散斑噪声从而增强OCT图像的视觉可见性，且无需搭建复杂系统，具有广泛的生物医学成像应用前景。

针对目前摄影测量领域中编码靶标解码算法复杂和解码正确率易受拍摄角度影响的问题，设计一种基于射影不变原理的编码靶标及其解码方法。该编码靶标的模板包含一个基准圆和若干个编码圆，从模板中任选4个编码圆与基准圆以组成靶标，通过选择不同的编码圆组合来实现编码功能。解码过程中，利用基准圆和编码圆的几何位置关系和面积关系，实现基准圆和编码圆的快速自动定位；通过计算靶标中5个圆的圆心交比这一射影不变量，实现靶标的快速自动解码。实验结果表明，由于将射影不变量作为编码信息，当拍摄角度较大时，所设计的靶标的解码正确率高于传统的编码靶标，在60°的大角度下拍摄可以达到100%的解码正确率。

提出了一种基于融合i-vector特征的长短时记忆(LSTM)循环神经网络模型,用于腹腔镜扶持器语音控制,在小训练样本下实现对特定医生语音中的短时、孤立词指令的识别。该模型以LSTM循环神经网络作为基础模型,以梅尔频率倒谱系数(MFCC)作为输入特征参数,将i-vector特征作为LSTM循环神经网络的深层输入信息,与神经网络中LSTM层后的深层特征信息进行拼接,达到参数融合的目的,实现对特定主刀医生语音指令的准确识别以及对非主刀医生语音指令的拒识别,为腹腔镜操作提供安全智能的语音识别方案。使用自建语音库进行实验,分别验证所提算法对训练库内语音的识别性能以及对训练库外语音的拒识别性能。实验结果表明:与动态时间规整算法(DTW)和混合高斯模型-隐马尔可夫模型(GMM-HMM)相比,所提模型在对训练库内特定人语音指令识别正确率高达99.6%的同时保持着错误接受率为0%,对训练库外语音的平均错误接受率为2.5%,满足腹腔镜扶持器控制的准确性和安全性要求。

针对合成孔径连续声束合成(SASB)算法渡越时间存在误差,会带来严重伪影的问题,提出线性约束最小方差(MV)准则和SASB算法相结合的内镜超声成像(SASB-MV)算法。该算法首先对各个虚拟源点进行固定聚焦,获取成像点的超声回波信号矢量,根据成像点的超声回波信号矢量构建样本协方差矩阵;然后由线性约束最小方差准则构建权值矢量;最后,通过权值矢量和超声回波信号矢量得到成像点的高分辨率回波信号值。在Filed Ⅱ中进行散射点仿真实验和圆形暗斑仿真实验。实验结果表明本文算法的横向分辨率相比动态接收聚焦算法(DRF)和SASB算法分别提高了59.1%和31.2%,同时图像对比度分别提高了44.7%和16.2%。