光启云端号平台是用电缆绳索牵引气囊的, 由于空中航拍摄像系统悬挂在气囊下方, 摄取的图像不可避免地含有绳带信息, 这些绳带信息影响图像质量, 所以在场景分析和目标检测中需要剔除。提出一种基于U-net模型的绳带检测算法, 引入深度可分离卷积提高计算速度, 采用一种带权重的交叉熵作为损失函数, 解决类别不均衡带来的收敛不稳定问题, 最终的模型能够用较少的样本在较短的时间内, 快速准确地检测绳带, 利用快速行进修复算法(FMM)对绳带图像进行了修复。实验结果表明: 该算法的mIOU达到62.8%, 得到了较好的去绳结果。

针对工业生产中泄漏气体导致的爆炸和火灾问题，提出一种基于形状和SVM分类的红外图像泄漏气体检测方法。采用泄漏气体和干扰物红外图像样本的形状特征训练SVM分类器，通过对红外图像序列采用基于背景差分的运动检测得到候选目标区域，再对候选目标区域提取其形状特征，最后使用SVM分类器进行判别，从而得到最终的检测结果。使用乙烯气体泄漏仿真数据进行实验，检测率最高可达98%，结果表明，采用该方法可以有效检测泄漏气体，相比其他方法，极大地减少了干扰物造成的误检。

当目标在多视角观测成像系统中有相对运动时，所获取的多观测点图像是模糊的且各视角图像的模糊是不一样的，模糊核长度和方向都不同。针对这一问题，提出了多视角观测图像的三维去模糊方法。现有的图像去模糊方法主要是对单视角观测图像进行二维去模糊的，没有考虑目标多视角观测图像的模糊核之间的对应关系。文中从三维空间到二维观测面的映射关系出发，建立多视角观测图像的模糊路径之间的对应关系。先采用单观测图像去模糊的方法获取两视角观测图像的模糊核，并对模糊核进行精确化处理，得到单像素点宽的模糊核路径。再通过多视角观测图像模糊核路径之间的对应关系，估计其它观测图像的模糊核路径。最后，对多视角观测图像进行统一去模糊，并对去模糊后的多视角观测图像进行三维重建。实验结果表明，文中方法能较好地去除目标多视角观测图像的三维模糊，提高了目标的三维重建质量。

为了克服三维重建高度依赖标定板, 满足3D打印模型的工业需求, 提出基于图像自标定的高效3D打印模型生成方法, 无需借助标定板计算相机参数, 直接使用单相机采集序列图像进行三维重建。为了克服基于自标定方法易受图像质量和特征点匹配精确度的影响, 根据人机交互与自适应分割算法相结合的方法去除原始图像背景及过滤噪声, 使图像感兴趣区域特征更为明显, 采用快速稳定特征算法提取序列图像中特征点并根据特征点的匹配度进行精确的特征点匹配, 再使用匹配信息自标定求解得到相机模型参数, 最后根据相机模型以及特征点信息完成三维目标的稠密重建。实验结果表明, 自标定及重建方法对大小各异, 表面材质不同的目标均可实现重建。

在生产线钢坯检测识别过程中，如何准确地切分生产线实际复杂场景下的钢坯端面字符是一个高度复杂的智能问题。为了解决这一复杂问题，本文提出了一种基于智能多代理者的字符切分处理方法，将分控制层中的字符区域分割与切分、区域合并、区域分裂、特征计算等功能子程序作为个体代理者，主控制层作为主控代理者对这些个体代理者根据具体需要进行统一分工协调，同时各子代理者的切分信息反馈给主控代理者作为分析、控制各子代理者的重要因素，进而完成钢坯号字符的精确切分。实验结果表明，本文提出的算法能对复杂场景中的钢坯字符完成精确的切分，具有良好的稳定性与准确性，解决了复杂场景中的钢坯字符准确切分的问题，为后续钢坯字符的识别提供了保证。

在生产线钢坯检测识别过程中，如何准确地从光照复杂场景中确定钢坯端面字符串目标所在位置是一个关键技术问题。为了解决这个问题，本文提出利用 Mean Shift对复杂场景图像进行抑制，采用多级分割滤波与聚类处理突出并找出字符串目标兴趣区域，通过最小二乘法自适应修整倾斜角度，进而完成字符串目标精准定位。实验结果表明，与传统投影定位方法相比，该定位方法能对各类钢坯字符串复杂场景完成精准定位，具有良好的稳定性和准确性，解决了钢坯字符串复杂场景的定位问题，为钢坯字符识别工作提供了关键技术。