为对工件表面产生的倾斜微裂纹进行检测, 从理论上和试验上分析激光产生的宽带瑞利波与矩形铝板上的倾斜角缺陷之间的相互作用。使用瑞利波与倾斜裂纹相互作用产生的透射波、反射波以及在裂纹尖端产生的绕射波来对裂纹角度进行定量检测。通过观察有限元仿真的应力云图, 发现瑞利波沿缺陷传播, 在缺陷尖端处发生模态转换, 有一部分波沿着裂纹绕射到金属表面, 部分波反射, 还有部分转换成纵波和横波。通过对绕射波信号进行傅里叶变换, 得到频谱图并观察绕射波在频域的变化趋势, 对绕射波能量进行计算, 最终得到绕射波能量随缺陷角度增大而减小, 呈e指数衰减分布。将有限元仿真与试验相结合, 结果表明, 当表面缺陷与表面呈一定倾角时, 绕射波能量提取是检测表面裂纹倾斜角的一种有效的方法。

针对黑色素瘤与非黑色素瘤在视觉上相似度高、颜色多样、边缘模糊、异物遮挡等情况而导致皮肤病变分割效果差的问题,提出一种基于U型结构的上下文编码解码网络,通过采用高效双通道注意力机制模块和空洞空间金字塔池化模块来捕获更多的语义信息与空间信息,以提高皮肤病变的分割精度。在ISIC 2017皮肤镜图像数据集上进行训练和测试,实验结果表明,本文算法分割结果的相似度系数(Dice_Coefficient)高达88.74%,比目前主流语义分割网络模型DeepLab V3 Plus高3.15个百分点,比医学领域经典U-Net网络高9.93个百分点,且运行速度快和稳定性好,能对黑色素瘤实施有效分割,分割图像边缘连续、轮廓清晰,在定量分析和识别中使用效果良好。

总有机碳(TOC)是指溶解和悬浮在水中的有机物的总含碳量, 是以含碳量表示水体中有机物总量的综合指标。 TOC的测定通常采用的是国标燃烧法和湿化学法, 但这两种传统方法都具有测试方法复杂、测量时间长、速度慢等缺点, 对大气环境会产生一定污染且仅能在实验室内完成, 无法进行海水的原位在线测量。 而该研究采用紫外吸收光谱法测量TOC, 通过燕山大学自主研发的光谱技术与集成电路相结合研制的TOC光学原位传感器, 能够快速、不添加试剂、不产生二次污染的测量海水中总有机碳的浓度, 且可以不受实验室环境的制约实现海水TOC的在线原位测量。 将基于该方法研制的传感器进行实地下海实验, 测量不同海域（河北沧州黄骅港周边海域、秦皇岛市周边海域）的TOC值, 将传感器测量的结果与国标法测量结果的相关性、一致性、误差等方面进行对比。 结果表明: 在黄骅港海域采取的13个不同水样和秦皇岛周边海域采取的14个不同水样用国标法和TOC光学原位传感器测量的浓度值变化趋势基本一致, 有较好的相关性和一致性, 存在极个别水样产生偏离整体样本曲线的情况。 实验数据经过线性拟合结果显示相关性较好, 对两处不同海域的数据拟合曲线和常规残差分析, 显示黄骅港海域水样的拟合相关系数r为0.859 0, 残差平方和数值为0.165 4, 秦皇岛周边海域水样的拟合相关系数r为0.939 9, 残差平方和为3.513 1。 由于相关系数r=0.939 9＞r=0.859 0, 所以秦皇岛周边海域的水样线性拟合效果好于黄骅港实验。 常规残差0.165 4<3.513 1, 是因为秦皇岛周边一些样本如河流入海口是污染的重灾区, 生活污水和工业污水使水质存在更多干扰因素, 这些干扰因素对海洋TOC光学原位传感器的准确性和稳定性造成了一定的影响。 由于基于紫外吸收光谱法研制的TOC光学原位传感器与传统的国标法测量原理不同, 样本集比较少, 样本浓度覆盖面不大, 海洋环境复杂多变, 存在多种影响因素, 如浊度、 温度、 pH、 浮游生物等, 传感器无法彻底消除所有影响因素引起的误差, 所以测量结果与国标法结果存在一定的误差。 后续工作如何消除海洋环境复杂干扰因素的影响, 减小传感器测量值的误差, 使测量结果更加精确和真实, 需要进一步讨论和更加详细的分析和研究。

为了提高图像滤波时边缘的保持能力, 提出鲁棒自适应加权的引导滤波算法。首先利用一阶差分法判断高斯滤波处理后引导图像的边缘位置信息, 在去除噪声干扰的同时, 提高边缘信息提取的鲁棒性, 然后通过最大类间方差法(Otsu)分割边缘区域与非边缘区域, 提高区域阈值选取的自适应性, 最后利用改进的分段函数模型拟合理想权重因子, 控制不同区域的平滑程度, 实现鲁棒自适应引导滤波, 达到保边平滑的目的。通过图像平滑实验与抠图实验对所提算法性能进行了验证, 与引导滤波算法及另外2种改进算法相比, 所提算法的保边平滑性能更强。

乳腺肿瘤计算机辅助诊断(CAD)系统在医学检测和诊断中的应用日益重要。为了区分核磁共振图像(MRI)中肿瘤与非肿瘤，利用深度学习和迁移学习方法，设计了一种新型乳腺肿瘤CAD系统：1）对数据集进行不平衡处理和数据增强；2）在MRI数据集上，利用卷积神经网络（CNN）提取CNN特征，并利用相同的支持向量机分类器，计算每层CNN的特征图的分类F1分数，选取分类性能最高的一层作为微调节点，其后维度较低层为连接新网络节点；3）在选取的网络接入节点，连接新设计的两层全连接层组成新的网络，利用迁移学习，对新网络载入权重；4）采用固定微调节点前的网络层不可训练，其余层可训练的方式微调。分别基于深度卷积网络(VGG16)、Inception V3、深度残差网络(ResNet50)构建的CAD系统，性能均高于主流的CAD系统，其中基于VGG16和ResNet50搭建的系统性能突出，且二次迁移可以提高VGG16系统性能。

针对基于光谱数据进行温度与发射率分离过程中存在的n个方程包含n+1个未知数这一欠定问题, 提出利用牛顿迭代法来实现材料表面真温及发射率的反演计算, 通过给定温度和发射率初值, 利用泰勒级数的线性项建立迭代公式, 通过迭代得到温度和发射率的近似解。 分别利用理论热辐射谱和腔黑体的实验数据进行验证, 结果表明, 任意给定温度和发射率初值均可获得与真实温度接近的计算温度值, 相对误差小于0.09。 发射率反演结果与真实发射率线形一致, 当温度和发射率初值越接近真实温度和发射率时, 发射率反演结果越精确。 该方法消除了发射率假定模型限制, 有望应用于高温及超高温下各种材料真实温度和光谱发射率研究。

考虑到植被可见光-近红外的光谱吸收特征与光合有效辐射吸收率(fraction of absorbed photosynthetically active radiation, FAPAR)有很好的关联, 综合“高光谱曲线特征吸收峰自动识别法”与“光谱吸收特征参量化法”, 提取对FAPAR敏感的高光谱吸收特征参数, 借鉴可见光-近红外植被指数的数学形式, 尝试用优化组合后的可见光-近红外光谱吸收特征参数替代光谱反射率, 构建新型植被指数估算植被FAPAR, 并利用2014年和2015年内蒙古自治区中部与东部地区天然草地典型群落冠层实测光谱数据进行FAPAR估算建模与验证。 结果表明: 新型植被指数“SAI-VI”不仅有效提高了单个光谱吸收特征参数在高、 低覆盖区域估算FAPAR的精度, 而且相比五种与FAPAR有较好相关性的具有不同作用类型的可见光-近红外植被指数, 其与FAPAR值的相关性更高（存在最大相关系数=0.801）, 以其为变量的指数模型预测FAPAR精度更高且稳定性较好（建模与检验的判定系数均最高且超过0.75, 标准误差与平均误差系数也相应最小）。 研究表明: 融入可见光-近红外高光谱吸收特征的新型植被指数“SAI-VI”, 强化了可见光波段与近红外波段光谱吸收特征的差别, 相较单一光谱吸收特征参数, 在降低土壤背景影响的同时增强了对FAPAR变化的敏感度。 同时, “SAI-VI”有效综合了对植被FAPAR敏感的光谱吸收特征信息, 相较原始光谱反射率, 能表达植被光合有效辐射吸收特征的更多细节信息, 可作为植被冠层FAPAR反演的新参数, 一定程度上弥补当前植被指数法估算FAPAR的不足。