在利用细胞显微切割术进行显微成像时，由于存在仪器热噪声、样本表面特性和样本染色制备情况等因素干扰，显微成像质量容易受损。针对这个问题，提出一种基于多模块组合的去噪网络模型（DNMMC），该网络模型使用通道关联模块、多尺度去噪模块和融合压缩模块对输入图像进行处理并在最后输出降噪图像。将所提方法与目前主流的去噪方法在定量测量和视觉质量感知方面进行比较，实验结果表明DNMMC在对生物显微图像降噪上具有更高的鲁棒性。可见，该方法可以显著提高生物显微镜的成像质量。

针对传统聚焦评价方法难以适应显微样本复杂纹理表面及反射率不均的问题，提出了一种抗光照强度、抗反射率不均、亚微米精度的基于双模糊理论的显微图像聚焦评价方法（DB-FEM），并研究了人工模糊有效标准差的概念，通过理论和实验找寻了较优有效标准差σ的取值。DB-FEM主要通过分析采集图像和其人为模糊图像的特征差异程度实现聚焦判断。首先对采集的层扫图像进行人为模糊处理，然后通过局部方差计算图像和其模糊图像在空域边缘信息和图像Haar小波频域信息的差异度。差异度包括空域边缘、低频纹理和高频边缘。最后将所有差异度相乘，得到基于差异度的聚焦评价曲线。实验结果表明，DB-FEM在不同光照幅值、不同表面形貌复杂度条件下均具有优良的聚焦评价性能，优于现有的空域边缘和频域模态评价方法，在单焦面检测中具有更窄的半峰全宽，在双焦面检测中具有更好的分辨能力。在物镜的放大倍数为20、数值孔径为0.65的条件下，所提方法的轴向分辨率优于0.3 μm。

为了解决视觉检测中由光照不均引起的金属线形被测物表面亮度差异变化过大而导致的灰度图像不能正确显示的问题，提出一种用于空间高曲率金属线形被测物的均匀化照明光源优化分析方法及解决方案。首先，基于光度学理论建立照明空间内任意点的理想照明模型。之后，推导该点表面照度、反射率、空间坐标信息与图像灰度之间的数学关系模型，利用MATLAB软件进行仿真模拟，对数据进行分析获取影响被测物均匀化照明成像的主要因素，在此基础上采用穹顶光源对照明光源进行改进，改进后金属线形被测物表面均匀度达92.85%。实验结果表明，该方案可以有效地提高金属线形被测物表面均匀度，较改进前提高34.77%，可以有效解决该类型被测物视觉检测中的成像问题。

SLAM一直是机器人领域的研究热点，近年来取得了万众瞩目的进步，但很少有 SLAM算法考虑到动态场景的处理。针对视觉 SLAM场景中动态目标的处理，提出一种在动态场景下的图像处理方法。将基于深度学习的语义分割算法引入到 ORB_SLAM2方法中，对输入图像进行分类处理的同时剔除人身上的特征点。基于已经剔除特征点的图像进行位姿估计。在 TUM数据集上与 ORB_SLAM2进行对比，在动态场景下的绝对轨迹误差和相对路径误差精度提高了 90%以上。在保证地图精度的前提下，改善了地图的适用性。

并行差动共焦三维成像方法通过将照明光分割为多光束,实现多点并行探测,解决了传统差动共焦成像中逐点扫描导致的成像效率偏低的问题,是一种理想的快速高精度三维成像方法。然而,在并行差动共焦检测过程中,系统光照不均和光学成像系统的场曲都会引起测量误差。分析了宽场成像过程中不可避免的光照不均及光学系统场曲等因素对并行差动共焦轴向测量的影响,提出了一种宽场误差的修正方法,建立了并行差动共焦轴向测量宽场误差修正的理论模型。实验证明,该方法可以有效地抑制系统光照不均对测量结果的影响,并且校正了光学成像系统场曲等引起的轴向测量误差,保证了并行差动共焦纳米量级轴向测量准确度在全视场范围内的普适性。该方法实施过程简便,适用于其他并行共焦检测方法的误差修正。

常用显微镜、能量色散X射线光谱/扫描电子显微镜等检测熔覆层的微观缺陷。使用这些方法固然能准确地观察裂纹,但是这些技术检测结果的说服力较低。通常以剖面来观察检测,但剖面局部区域并不能代表整个熔覆层的情况,随机性太大且检测区域小,对样品尺寸要求高。为了解决这些问题,利用激光诱导击穿光谱(LIBS)技术检测熔覆层的微观缺陷。制备了不同含量的TiC/Ni35熔覆样品,熔覆后样品出现不同类型的缺陷。在21 mm×4.2 mm的区域内,获取样品表面的特征光谱,使用排列矩阵的方法得到了区域扫描的结果。结果表明:LIBS技术可用于熔覆层微观缺陷的快速表征,根据评估计算得到4号样件缺陷最多,1号与5号适中,2号和3号最少。

白光阴道镜图像对比度较低, 不利于医生鉴别不同病变程度组织, 也不利于自动化宫颈癌筛查。 利用癌变组织富含血红蛋白成分及血红蛋白具有特征波段这一特性, 与传统高光谱空间扫描成像及分时获取不同波段多光谱成像方法相反, 利用快照式多光谱窄带成像来加速光谱图像获取过程, 提升不同病变程度组织之间灰度对比度同时, 降低后续图像分析处理算法难度, 实现对宫颈组织病变类型高帧率自动化分类。 首先, 使用微型快照式窄带多光谱摄像方法, 在血红蛋白的两个强吸收峰(415±10)和(525±10) nm、 一个反射带(620±10) nm和一个背景波段(450±10) nm共四个波段对宫颈组织进行快照式零时差获取四幅窄带光谱图像。 而后, 对所获取的光谱图像进行简单代数加减, 以生成突显病变组织的融合图像, 提高不同病变程度组织之间的对比度。 最后, 使用欧式距离分类算法, 对光谱融合图像中不同病变级别进行分类, 建立计算机辅助宫颈癌筛查方法。 创新点在于实现了高帧率计算机辅助光学病理诊断方法。 分别采用临床常规白光阴道镜及微型快照式窄带多光谱摄像对宫颈癌手术切下的新鲜组织进行彩色图像及光谱融合图像的高帧率采集, 并使用同一个欧式距离分类算法对两种图像进行自动分类, 分类结果都以组织病理诊断作为标准来计算正确率。 通过对比两种分类结果正确率来检验光谱融合图像相对于彩色图像是否提升对比度, 及其是否可以实现与组织病理诊断（金标准）结果一致的诊断。 欧式距离分类算法对光谱融合图像分类准确率接近100%, 远高于对白光阴道镜图像约50%的准确率。 多位临床医生对基于微型快照式多光谱摄像头光谱融合图像的计算机自动分类结果表示接受。 微型快照式窄带多光谱成像方法能有效提升光谱融合图像获取帧率及不同病变程度组织之间灰度对比度, 能有效快速地将宫颈组织划分为与组织病理诊断结果一致的病变类型。 由于诊断客观、 无创伤、 结果立等可得, 该方法将有助于实现落后地区宫颈癌筛查的普及以及图像导航下的宫颈癌精准治疗手术。