视差不连续区域和重复纹理区域的误匹配率高一直是影响双目立体匹配测量精度的主要问题，为此，本文提出一种基于多特征融合的立体匹配算法。首先，在代价计算阶段，通过高斯加权法赋予邻域像素点的权值，从而优化绝对差之和（Sum of Absolute Differences，SAD）算法的计算精度。接着，基于Census变换改进二进制链码方式，将邻域内像素的平均灰度值与梯度图像的灰度均值相融合，进而建立左右图像对应点的判断依据并优化其编码长度。然后，构建基于十字交叉法与改进的引导滤波器相融合的聚合方法，从而实现视差值再分配，以降低误匹配率。最后，通过赢家通吃（Winner Take All，WTA）算法获取初始视差，并采用左右一致性检测方法及亚像素法提高匹配精度，从而获取最终的视差结果。实验结果表明，在Middlebury数据集的测试中，所提SAD-Census算法的平均非遮挡区域和全部区域的误匹配率为分别为2.67%和5.69%，测量200~900 mm距离的平均误差小于2%；而实际三维测量的最大误差为1.5%。实验结果检验了所提算法的有效性和可靠性。

针对复杂工业现场泄漏蒸汽智能识别需要，文中提出红外温度场表征与辨识方法。利用模拟分析对蒸汽泄漏过程进行研究，揭示其温度场发生发展规律，即扩散特性、锤尾特性、动态特性，中心向源特性为一体的静动态锤尾特性。通过对温度层划分后的蒸汽温度场进行研究，提取蒸汽温度分布细节特征，提出变尺度灰度处理方法，实现了蒸汽红外温度场的高清化表征。为提高辨识速度和精度，建立Mask R-CNN网络模型，对泄漏蒸汽的锤尾特征进行学习和动态挖掘，对单张锤尾样本的识别准确率达到90.71%，总体算法识别准确率达到了99.93%，实现了蒸汽以及泄漏特性的有效辨识。现场实测表明，该算法对连续5帧图像处理时间为0.48 s，对于复杂工业现场的蒸汽泄漏辨识达到了快速准确的辨识效果。

在主动式自动光学检测系统中，获取高质量的图像具有重要意义。除相机外，光源热稳定性对获取的图像质量也会产生重要影响。为了确保光学检测系统光源的热稳定性以获取高质量的图像，论文提出了一种散热型LED阵列结构光源设计方法。首先，基于单个LED热阻特性建立单个LED的热阻模型。其次，以两个相邻的LED为例，分析同色光LED在单一阵列中的结温特性，并建立LED阵列结构光源的结温模型。最后，基于建立的结温模型，提出散热型LED阵列结构光源设计方法。特别地，论文提出了将散热型结构光源设计问题分解为两个相对简单子问题的方法，进而简化结构光源设计过程。实验结果表明，该设计方法的仿真结温偏差在−0.33%~0.33%之间，实验结温偏差为2.28%，验证了该方法的有效性。