分析了一维多孔径阵列的成像特性，选取子孔径间距比为1∶2的一维非冗余三孔径结构为基阵列，以最大化频域覆盖为设计标准，设计了沿基线方向对基阵列在360°范围内以不同角度进行多次旋转的新型合成孔径结构，以提高中频调制传递函数（IFMTF）和系统成像质量。当填充因子为28.51%时，旋转合成得到的九孔径阵列的IFMTF值（0.1223）大于Golay-9阵列的0.0782。仿真和实验结果的定量和定性评价均证明了所提方法的有效性。

提出了一种基于近红外视频的心率检测方法。该方法采用正交分解投影结合奇异值分解（OP-SVD）的方法，实现了夜间运动状态下的高精度鲁棒性心率检测。该方法通过人脸标志点检测，将人脸分为多个感兴趣子区域，获得了多通道成像式光电容积描记（IPPG）信号；采用正交分解投影法去除多通道IPPG信号中的运动伪迹；接着利用奇异值分解法再次去噪，并通过重构子区域信号获得了高信噪比IPPG信号，最终实现了心率的准确提取。实验结果表明，与传统方法相比，该方法的误差最小，其平均绝对误差（MAE）值达到了3.14 bit/min。

成像式光电容积描记技术是在传统光电容积描记技术基础上发展而来的一种非接触式生理信号检测技术。成像式光电容积描记技术由于非接触、可远程监测、适用场景广泛、易操作以及低成本等优点可实现人体多项生理参数的测量，成为仪器及生物医学工程领域的新兴研究热点之一。本综述首先介绍了成像式光电容积描记技术的基本原理，对光学起源机理进行了分析，并对成像视频处理方法进行了总结，最后介绍了成像式光电容积描记技术在生理参数方面的应用，并对其在生理参数检测领域中的发展进行展望。

皮肤的漫反射光谱中包含丰富的组织信息,已被广泛应用于生理参数的检测,但由于人体生理参数变化复杂、多种情况下光学数据采集困难等因素,其在无创外周血液生理参数检测技术的发展及应用中受到了限制。鉴于此,使用蒙特卡罗模拟方法仿真了不同总血红蛋白、含氧血红蛋白、脱氧血红蛋白、高铁血红蛋白等多种外周血液成分浓度对皮肤的漫反射光谱及肤色的影响,提出了基于色谱融合的发绀成因分析方法。结果表明,皮肤的颜色特征可区分健康、黄疸病以及发绀,而分析方法解决了仅使用肤色很难对发绀现象的成因进行准确区分的难题。

针对现有视频跟踪算法因目标运动机动性强或非对称刚体目标快速变形等情况导致的目标丢失问题,提出了一种基于相关滤波自适应模型与平均峰值相关能量(APCE)重检机制的视频跟踪算法。自适应模型跟踪算法可根据目标区域的清晰度实时调整模型,有效保证目标跟踪模型的准确性。实验结果表明,将自适应模型跟踪算法融入判别式尺度空间跟踪(DSST)模型中,可增强模型对机动性强或快速变形物体的跟踪效果,在保证跟踪速度的同时,使原始DSST模型的平均精度提高了18.3个百分点,成功率提高了15.2个百分点。此外,将自适应模型跟踪算法与APCE重检机制相结合,可保证跟踪算法的稳定性。

针对逆向求解生物组织光学特性参数存在测量精度不高、在体测量困难等问题,提出了一种利用神经网络模型反演生物组织光学参数的方法,该方法以蒙特卡罗算法输出的不同检测距离r处的漫反射率R(r)作为输入,以吸收系数和散射系数作为输出。本文将神经网络算法反演的吸收系数、散射系数值与蒙特卡罗算法获得的吸收系数和散射系数值进行了对比。仿真实验表明:选择r=0.1 cm以及r=0.3 cm距离处的漫反射率作为输入,利用神经网络模型反演的吸收系数和散射系数的平均绝对误差分别为0.003和1.574,一致性决定系数R²分别为0.9997和0.9915。神经网络模型反演的生物组织参数与蒙特卡罗算法获得的吸收系数、散射系数具有较好的一致性,且反演精度高,操作简单,为生物组织光学参数的在体测量提供了新思路。

针对现有心理压力检测方法主观性强、准确率低,且无法连续监测的问题,提出了一种融合心率变异性(HRV)与人脸表情的非接触式心理压力检测方法。该方法通过成像式光电容积描记(IPPG)技术从视频图像中提取HRV信息,并通过VGG19网络建立表情识别模型,获得人脸表情。将HRV及表情共同作为特征输入,利用支持向量机进行训练分类,实现压力状态与非压力状态的检测。实验结果表明,本方法的压力分类准确率可达到81.4%,能有效提高心理压力检测的准确性,可应用于普通人群、运动员、犯罪人员心理测试等领域。

高等学校实验教学承担着培养学生实践能力、创新能力和综合素质的重要任务。传统的实验教学模式在实验内容设置和安排上缺乏对学生自主研究、深度参与及提高综合能力的考虑,因而不利于学生个性和创新精神的养成。以《光电仪器电子学实验》课程为例提出了线上线下双反馈一体化的混合式实验教学模式。通过线上线下双反馈一体化的实验教学模式,可以形成一个发现问题、及时反馈、调整实验教学方案、跟踪评价并持续改进的闭环教育过程,有效提高学生学习的自主性、积极性,提高学习效果。

针对现有活体皮肤检测方法精度不高、实时性较差的问题,提出一种基于超像素分割的成像式光电容积描记(IPPG)活体皮肤检测(SPASD)算法。利用零参数简单线性迭代聚类算法将图像分割为多个超像素子块;然后通过IPPG技术并行提取各子块中的脉搏波信号;最后利用支持向量机对提取到的信号进行训练分类,进而实现活体皮肤的实时检测。实验结果表明,SPASD算法可以有效提高活体皮肤的检测精度和实时性,其检测精度达92.02%。所提方法在人脸防骗、非接触生理信号检测、面部表情识别等领域具有应用前景。

基于光学测量的无创血糖检测是目前生物医学领域的研究热点,但由于存在信噪比低、背景噪声干扰、准确度不高等问题,该无创血糖检测方法还停留在实验阶段,无法应用于临床实践。针对这些问题,提出了一种基于可见光图像的无创血糖检测方法。该方法通过采集到的散射图像,采用梯度增强决策树算法,建立了散射图像特征参量与血糖浓度关系的回归模型,并通过仿体实验验证了模型的准确性。实验结果表明,利用梯度增强回归模型,可以对可见光散射图像与葡萄糖浓度的关系进行建模,一致性决定系数可达0.929,葡萄糖检测精度平均绝对误差为0.156 g·L -1。