针对移动平台有限的计算资源以及基于彩色图像的道路检测方法在极端光照情况下及路面类型变化时存在的不足,提出了一种融合彩色图像和视差图像的基于9层卷积神经网络的快速道路检测算法。提出一种数据输入层预处理方法,将视差图变换为视差梯度图以强化地面特征,降低网络深度需求。所提两种网络结构为双通道后融合网络和单通道前融合网络,分别用于卷积特征分析和快速道路检测。实验使用KITTI道路检测数据集并人为划分为普通和困难两组数据集,对该算法进行实验对比和分析,结果表明:与基于彩色图像的卷积神经网络方法相比,该算法在普通数据集上最大F₁指标(MaxF₁)提升了1.61%,在困难数据集上MaxF₁提升了11.58%,算法检测速度可达26 frame/s,可有效克服光照、阴影、路面类型变化等影响。

声光可调谐滤光器(AOTF)的谱线半峰全宽（FWHM）以及换能器结构的不理想导致图像退化, 空间分辨率降低。为了提高光谱数据的空间分辨率, 将计算机断层图像复原中的期望值最大化（EM）算法应用到降质图像预处理中, 可在对图像模糊降质程度估计不准确时进行运算, 利用迭代求解逐次逼近最终收缩于原始目标。实验结果表明, 该算法不依赖于数字图像周期拼接的假设, 因而有效避免了传统的去卷积复原算法中产生的边界振铃现象, 提高了图像的空间分辨率, 图像质量得到改善。该算法对改善AOTF高光谱成像质量有较大意义。