为解决残差块间的层级特征利用不充分导致生成的图像结构扭曲、视觉模糊等问题, 提出结合注意力和残差聚合的图像超分辨率重建算法。网络通过浅层特征聚合模块获取多尺度的特征并输入到残差聚合网络, 采用渐进式融合策略从局部和全局两方面对各个残差块的特征进行聚合, 以达到充分利用残差块层级特征的目的。为进一步增强特征表示, 利用双重注意力机制分别从空间和通道来关注特征之间的相互依赖性。实验结果表明, 与SRCNN、FSRCNN等方法相比, 算法重建的图像结构清晰且细节信息丰富。

针对目前图像超分辨率重建方法中未能充分利用图像全局信息和局部信息, 导致重构结果缺失源图像部分关键信息的问题, 提出了一种多尺度密集残差网络来实现图像的超分辨率重建。网络以密集残差为基础, 融合了图像的多尺度特征信息, 保证了网络在深度上不损失特征信息的同时,获得更多不同感受野下的特征信息, 避免源图像关键信息的过度丢失。此外, 为从具有低频冗余信息的低分辨率图像中恢复包含足够高频信息的高分辨率图像, 网络还结合空间注意力与通道注意力机制, 以不平等的方式处理不同尺度下的低分辨率特征。通过与密集残差网络等超分辨率方法在Set5数据集上的对比实验, 可有效突出特征图中的高频分量, 使网络更好地学习并拟合标签图像的特征信息, 提升图像超分辨率重建性能。

目前，有监督行人重识别方法着重关注单一模态（可见光）的行人检索问题。然而，在24 h的监控系统中，除可见光图像外，还存在大量的红外图像（这类图像缺少颜色和纹理信息）。因此，跨模态的行人检索方法可有效提升行人重识别技术的实用性。针对当前跨模态行人重识别方法存在忽视不同模态下独有判别性特征而导致的模型性能受限问题，提出了一种跨模态身份互预测学习和细粒度特征学习的跨模态行人重识别方法。该方法通过对模态专有身份分类器的设计，提升了模态内专有特征的判别性和鲁棒性，并通过构建交叉学习机制，促使网络将不同模态下的专有特征转化为模态不变特征，有效利用了模态特有判别性信息。此外，细粒度特征学习进一步从局部和全局两方面增强了网络特征表示的判别性。所提方法在公开数据集SYSU-MM01和RegDB上与同类方法相比，其结果优势明显，证明了所提方法的优越性。

为避免图像融合与超分辨率分步实现的不足,提出了基于卷积稀疏表示的融合与超分辨率重建联合实现方法。假设低分辨率与高分辨率图像之间具有相同的稀疏特征图,设计了一种高、低分辨率滤波器联合学习框架,实现对图像高低频成分的分离,并根据不同成分的形态特性设计了不同的融合规则：对于高频成分,根据稀疏特征图亮度信息和像素活跃性水平,设计了一种像素显著性度量方案来指导高频特征图的融合; 对于低频成分,根据脉冲耦合神经网络能捕获邻域相似像素点火的特性,设计了低频成分融合方法。所提方法不需要将图像分割成重叠的块,避免块向量化的缺陷。实验结果表明,能有效提高图像融合的质量。

提出了一种基于形态成分分析的多源图像融合方法。为了将源图像中不同形态结构的卡通-纹理成分分离，把图像的分解问题转化为图像的分类问题，设计了卡通纹理判别字典学习模型。考虑到图像分解不仅与字典有关，还与分解的策略有关，设计了一种新的图像分解模型。在模型中，将纹理成分看成叠加在源图像卡通成分上的噪声，引入非局部均值相似性的一致性正则项，来约束稀疏编码系数的解空间。根据对应成分的编码系数l1范数值最大来选取融合图像的编码系数。实验结果表明，无论是在视觉效果还是在客观指标上，方法都具有更好的融合性能。

提出一种低秩稀疏成分分解和显著性相结合的医学图像融合方法。所提方法假设待融合源图像由低秩成分和稀疏成分构成, 设计了低秩与稀疏成分分解模型, 通过不同的字典对不同成分进行了稀疏表达。在融合过程中采用一种“绝对值”取大的策略对低秩成分融合, 以保留源图像的亮度信息;对于稀疏成分, 提出一种基于视觉显著性度量的方法来保留显著性特征。实验结果表明,本文方法无论从主观视觉还是客观评价指标上都优于最新的方法。

随着人类社会的飞速发展, 能源紧缺、 环境污染问题日益严重。 当下, 开发新能源、 发展新能源技术已成为全球各国首要能源策略。 作为一种清洁能源, 太阳能蕴藏着巨大能量, 太阳能利用和相关技术在世界范围内也引起了广泛关注。 基于纳米流体的太阳能直接吸收式集热装置能够耦合光伏与光热技术, 有利于提高太阳能综合利用的效率。 由于纳米流体辐射理论对于开发新的光伏热实验平台具有重要的作用, 而纳米流体辐射特性研究仍处于起步阶段, 所以对于纳米流体辐射规律及机理的研究具有重要的意义。 首先综述了纳米流体辐射特性的研究现状, 并对纳米流体的辐射特性进行了理论研究, 进而采用瑞利散射模型和Mie（米氏）模型对纳米流体最重要的辐射特性之一的透射率进行了理论分析; 而后运用实验进行对比验证, 分析不同理论模型与实验数据间的吻合性。 结果表明: Mie模型比瑞利散射模型更加准确, 在光伏热实验平台开发利用中具有更好的适用性。 该研究旨在利用纳米颗粒改变流体对太阳能的辐射特性, 探索一种实际设计时纳米流体辐射特性简易高效的计算准则, 并得到影响纳米流体辐射特性的重要因素之一的体积分数的变化规律, 从而提高太阳能直接吸收式集热装置的太阳能利用率。 纳米流体辐射特性理论的分析与研究, 有利于促进纳米技术在太阳能领域的应用, 提高太阳能的综合利用效率。

在激光惯性约束聚变(ICF)受激散射光能量信号的检测中，背景噪声的存在严重影响了有用信息的提取。针对该问题，设计了一种新型的可变参数放大滤波电路(VPAFC)，并在降噪源分离(DSS)技术的基础上提出了一种信号降噪方法。采用硬件程控放大、带宽可调滤波以及软件降噪处理相结合的方式，既实现了微弱信号的增益可调放大，又有效抑制了有用信号频带外的噪声和频带内的结构化噪声。为测试所设计电路及噪声抑制算法的有效性，构建了微弱光能量信号检测装置和相关的数据采集系统。实验结果表明，该检测方法不但能程控放大微弱信号，而且当信号低至2 μV时仍能在输出端使信噪比保持在不低于40 dB的水平。

针对低信噪比图像去噪问题, 提出了一种基于K-SVD(Singular Value Decomposition)和残差比(Residual Ratio Iteration Termination)的正交匹配追踪(Orthogonal Matching Pursuit, OMP)图像稀疏分解去噪算法。该算法利用K-SVD算法将离散余弦变换(Discrete cosine transform, DCT)框架产生的冗余字典训练成能够有效反映图像结构特征的超完备字典, 以实现图像的有效表示。然后以残差比作为OMP算法迭代的终止条件来实现图像的去噪。实验表明, 该算法相对于传统基于Symlets小波图像去噪、基于Contourlet变换的图像去噪, 以及基于DCT冗余字典的稀疏表示图像去噪, 能够更加有效地滤除低信噪比图像中的高斯白噪声, 保留原图像的有用信息。