在工业生产中，高温蒸汽管道通常用于输送高温蒸汽和高温工业废水等。但为了安全起见，管道通常被放置在环境比较复杂的地方，这不利于工人对管道进行检测与维护。如何快速地定位复杂背景下蒸汽管道的位置并对周围环境进行区分成了一个亟待解决的问题。由于最大类间方差（Otsu）算法不能满足上述要求，基于细胞免疫机制提出了一种改进的Otsu算法。根据红外图像中管道以及复杂背景的特征，该算法计算出两个不同的阈值，并将它们分别用于管道的提取与复杂背景的区分。借助Quartus Ⅱ软件搭建了基于现场可编程逻辑门阵别（Field Programmable Gate Array,FPGA）的软硬件系统，实现了数据通信传输，并对改进的Otsu算法进行了验证。实验结果表明，该算法在应用于管道红外图像时可以取得较好的效果。与几种边缘检测算子和经典Otsu算法相比，本文算法无论是用于管道的提取，还是用于复杂背景的区分，都具有较高的真阳性率(True Positive Rate，TPR)和较低的假阳性率(False Positive Rate，FPR)。

绝缘子是输电线路上的重要设备，若发生故障会给电力设备带来巨大损失，从拍摄的输电线路红外图像中定位和提取绝缘子，基本上能反映多种绝缘子故障，在绝缘子的识别和故障诊断中更具实用性。本文提出了一种基于红外图像的绝缘子提取方法，依次使用 Speeded Up Robust Features（SURF）算法提取测试红外图像的关键特征点、基于改进 Fuzzy C-means（FCM）算法聚类划分特征点、根据绝缘子的形状特征值识别和定位绝缘子、基于改进的图像开运算精确提取绝缘子。该方法充分发挥了红外图像的优点，能够准确提取绝缘子，为基于红外图像的绝缘子故障诊断奠定了基础。

水果的可见光谱目标识别是实现农业自动化采摘至关重要的一步。 在水果识别的过程中, 由于重叠和遮挡的影响使得目标识别困难, 识别率不高。 本文针对自然环境中果实重叠的识别问题, 利用谱聚类算法对图像进行分割, 然后使用随机霍夫变换实现果实的识别和定位。 针对传统算法运算复杂度高, 运算速度慢的问题, 本文提出了基于均值漂移和稀疏矩阵原理的改进谱聚类算法。 首先使用均值漂移算法对图像进行预分割, 均值漂移是一种用于密度梯度的无参估计法。 该算法实质是一种迭代, 先计算出偏移量, 根据偏移量移动点, 如此反复, 直到偏移量为零即收敛到一点为止。 利用均值漂移算法除去大多数的背景像素, 为减少谱聚类算法的计算量做准备。 然后提取预分割图像的有用信息即图像中像素对之间相似度的描述, 将提取的图像特征信息映射到稀疏矩阵中, 并使用K-means算法将其分类。 得到最终的分类结果, 实现对预处理图像的再次分割。 然后恢复图像分割区域的颜色, 使用彩色向量梯度提取边缘轮廓, 对得到的轮廓图像使用随机霍夫变换, 并在检测过程中设置半径参数的范围从而进一步加快算法的运行速度。 经过检测可以得到目标的圆心坐标和半径, 从而实现重叠绿苹果的识别。 降低了谱聚类的数据处理量, 提高了算法的运行速度。 经过试验分析和算法对比, 该算法得到较高的重合度9541%, 较低的误差率459%和误检率305%。

为了得到一种易实现且精度较高的双目测距方法,立体校正左右相机的非前向平行结构,先将改进的Census变换算法应用于立体匹配,得到准确的视差值,再根据双目视觉特殊的外极线几何结构计算出实际的距离信息。将原始Census变换中比较周围像素与中心像素的方案改进为多中心点相互监督融合,极大地提升了立体匹配精度。在实验室环境下,利用两个完全相同的互补金属氧化物半导体(CMOS)相机搭建了双目测距实验平台,详细介绍了测距流程中的硬件、算法以及标定过程。将实验结果应用于实际距离测量,并与原始的Census变换进行对比,结果表明:改进的Census变换测量误差为6.4 cm,2 m测量误差精度提高了19.1%,满足高精度双目测距要求。

脉冲光纤激光器系统产生的放大自发辐射(ASE)是制约其峰值功率的重要因素，而脉冲泵浦是抑制脉冲光纤激光器脉冲自发辐射的有效方法。文章对掺镱双包层光纤放大器的脉冲泵浦特性进行了研究，设计了一种由信号源、隔离器、放大级和滤波器组成的实验光路。对于脉冲泵浦，放大器设计中需要确定的最主要因素是泵浦功率和泵浦脉宽，文章研究了单脉冲能量、ASE功率与泵浦功率以及泵浦脉宽之间的关系，所得结论对脉冲泵浦光纤放大器的设计具有一定的参考价值。