太赫兹（THz）波是频率范围在0.1~10 THz的电磁波，具有低能性、宽带性、指纹光谱、对水敏感等特点。随着太赫兹技术的发展，太赫兹成像技术在生物医学诊断、无损检测和安检等领域表现出许多独特的优点，得到了越来越广泛的关注。主要概述目前常用的太赫兹成像技术，详细介绍脉冲太赫兹成像技术、连续太赫兹成像技术、太赫兹近场成像技术及太赫兹实时成像技术的发展现状，并介绍太赫兹成像技术在安全检查、无损检测和生物医学领域的典型应用，最后对太赫兹成像技术的未来发展进行展望。

脑缺血是一种常见的突发性脑外科疾病, 具有较高的致死致残率, 快速、 准确对脑缺血程度进行检测对脑缺血的诊断与治疗工作具有重要意义。 基于衰减全反射式太赫兹时域光谱技术, 分别对脑缺血时间为0, 0.5, 1, 2, 4, 6和24 h的大鼠脑脊液和血清进行光谱检测, 并对不同缺血时间的大鼠脑脊液和血清的吸收系数和折射率随缺血时间的变化规律进行分析。 结果表明, 与对照组相比, 不同缺血时间的大鼠脑脊液和血清的吸收系数和折射率均存在一定的差异。 在此基础上, 根据不同缺血时间的大鼠脑脊液和血清的吸收系数, 采用主成分分析法和机器学习算法对大鼠的脑缺血程度进行自动分类识别。 其中, 基于脑脊液吸收系数的支持向量机分类模型的识别准确率相对较高, 达到了89.3％。 该方法为脑缺血的早期诊断提供一种新的检测方法。

冲击波造成的脑创伤是目前较常见的致死致残疾病之一,对冲击性脑损伤的检测与分类具有重要意义。基于连续太赫兹波成像系统,对不同程度冲击波致伤的大鼠脑组织进行了连续太赫兹波衰减全反射成像检测,并采用支持向量机(SVM)分类器对不同创伤程度的脑组织太赫兹波成像结果进行分类识别。结果表明,太赫兹波衰减全反射成像技术可以实现对轻度、中度冲击性脑创伤脑部组织的检测。通过SVM分类器对不同创伤程度的脑部组织成像结果进行分类识别,其分类识别准确率可以达到86.36%。太赫兹波成像技术有望实现对不同程度冲击性脑创伤的早期精确检测与诊断。

煤炭港在使用装船机的溜筒卸载煤的过程中会产生扬尘，港口为了除尘，需要先对粉尘进行检测。为解决粉尘检测问题，本文提出一种基于深度学习(YOLOv4-tiny)的溜筒卸料煤粉尘的检测方法。利用改进的YOLOv4-tiny算法对溜筒卸料粉尘数据集进行训练和测试，由于检测算法无法获知粉尘浓度，本文将粉尘分为四类分别进行检测，最后统计四类粉尘的检测框总面积，通过对这些数据做加权和计算近似判断粉尘浓度大小。实验结果表明，四类粉尘的检测精度(AP)分别为93.98%、93.57%、80.03%和57.43%，平均检测精度(mAP)为81.27%，接近YOLOv4的83.38%，而检测速度(FPS)为25.1，高于YOLOv4的13.4。该算法较好地平衡了粉尘检测的速率和精度，可用于实时的粉尘检测以提高抑制溜筒卸料产生的煤粉尘的效率。

在港口门机抓斗装卸干散货的作业过程中，人眼观察无法精确判断抓斗所在位置，会带来工作效率低下及安全性等问题。为解决该问题首次提出了一种基于深度学习的门机抓斗检测方法。利用改进的深度卷积神经网络YOLOv3-tiny 对抓斗数据集进行训练及测试，进而学习其内部特征表示。实验结果表明，基于深度学习的门机抓斗检测方法可实现门机抓斗检测速度每秒45 帧，召回率高达95.78%，在很好满足检测实时性与准确性的同时，提高了工业现场作业的安全性及效率。

基于PatchMatch(同时估计像素点的视差和法向量的3D标签)的方案已经在立体匹配中取得高精度的亚像素视差,但该类方法无法有效解决图像无纹理区域的错误匹配。针对这一问题,对LocalExp(local expansion move)算法进行了改进,并提出一种融合多维信息的自适应像素类别优化的立体匹配算法。该方法设计了一种交叉窗口,在窗口内基于颜色与颜色的自相关信息构建相关权重,并利用约束函数剔除匹配代价中的离群值;在PatchMatch的标签初始化阶段增加约束机制,改进视差标签的建议生成机制,并利用基于局部扩张运动的优化方法求解标签值;利用基于像素类别的填充策略进行视差优化。实验结果表明所提算法能够在Middlebury数据集上取得较低的匹配误差。

针对激光点云数据中存在的大量冗余信息, 造成传输、存储等后续处理环节付出多余的硬件和时间成本的问题, 提出了一种基于特征信息的点云精简方法。利用自适应近邻点进行PCA计算点云法矢; 利用冯.米塞斯分布进行边缘点提取, 对非边缘点以点法矢为基础赋予其距离权重进行阈值判断, 提取特征点; 划分空间均匀网格, 以网格为单元计算法矢均值, 提取潜在特征点; 对网格非特征点进行单点提取。以标准的Bunny和工件模型为对象进行了MATLAB仿真实验, 所提算法与传统非均匀网格法、聚类法、三角面片消减法比较: 在精简比1∶5、1∶10、1∶15、1∶20情况下, 最大误差降低27%以上, 平均误差降低12%以上。实验结果表明所提算法在特征信息较多的模型处理上具有更好的精简能力。

针对双目水下图像匹配不满足空气中常规极线约束的问题, 提出一种基于深度约束的半全局算法以实现水下稠密立体匹配.首先采用深度约束确定匹配过程的深度约束搜索区域.然后, 基于深度约束区域将绝对差值和梯度计算推广到二维区域并进行加权融合.在深度约束区域内的搜索过程中, 采用胜者为王的策略确定某一视差值下的最佳行差及最佳行差下的匹配代价, 并将其作为能量函数的数据项应用于半全局算法中, 进行匹配代价的聚合.最后采用抛物线拟合法得到亚像素级的稠密视差图.在水下图片上进行的稠密立体匹配结果表明: 相较于其他半全局匹配算法, 本文算法在极大提高运行速度的前提下, 可以获得良好的水下稠密立体匹配效果.

水线精确提取是基于机器视觉的水尺计重系统中的技术难题。针对自然场景下采集的图像存在着光照不均匀、场景复杂等问题, 通过帧间作差结合图像配准对图像进行预处理; 提出一种基于三角隶属函数关系的迭代分割方法; 通过线性采样和双线性插值法, 提取出完整的水线。实验证明了该水线提取算法的稳定性和准确性。

提出了一种基于极曲线几何和变支持邻域的立体匹配算法来解决鱼眼立体视觉中图像变形导致的极曲线求取和匹配代价计算问题。首先, 对鱼眼相机进行标定并获取相机的相关参数; 针对鱼眼镜头的畸变问题, 根据鱼眼镜头的优化投影模型推导出系统的极曲线方程, 并利用得到的极线方程确定对应点的搜索范围。然后, 根据同源像点在左右图像上的位置关系确定各中心像素点的支持邻域, 并计算出不同视差条件下该支持邻域在另一幅图像上的对应支持邻域, 利用获取的支持邻域计算出各点的匹配代价。最后, 利用WTA(Winner Takes All)策略选取最佳匹配点得到最终的匹配结果。基于提出的极曲线和支持邻域对两组鱼眼图像进行了匹配实验并与传统方法进行了实验对比, 结果表明: 提出的方法的匹配准确度比传统方法分别提高了4.03%和4.64%。实验结果验证了极曲线的应用加快了匹配速度并减少了误匹配; 支持邻域的使用使其对匹配代价计算的准确度优于传统方法。 该算法满足了鱼眼图像立体匹配对信息获取速度、准确度和数量的要求。