针对测试环境中常存在的超声波频段的有色干扰噪声, 设计了一种基于横向滤波器和最小均方误差自适应滤波算法的自适应对消器结构, 并提出了固定步长和自适应步长相结合的自适应滤波算法流程。该方法增设了一个接收环境噪声的专用探头来自动跟踪噪声特性的改变, 无需手动设置自适应滤波器参数和期望信号。通过自适应步长调整算法与固定步长方法结合, 该方法能够在实现良好滤波效果的同时兼顾快速跟踪环境的变化。实验表明, 提出的方法可以有效滤除目标超声波信号频带之外频率点处的有色干扰噪声, 信噪比改善幅度可达16 dB; 时间复杂度为O(n), 可实现实时处理。本文方法可以在无人工干预下自动、实时、有效地滤除与超声波信号频率接近的有色干扰噪声, 已被成功地应用于气体超声波流量测量中。

为提高流场超声层析成像的图像重建质量, 提出了一种迭代滤波反投影图像重建算法。该算法借鉴联合迭代重建算法的原理, 将滤波反投影算法引入迭代重建过程。首先, 利用滤波反投影算法, 通过投影数据残差重建误差图像对流场图像进行修正, 实现图像的迭代重建。然后, 通过优化迭代步长, 使每步迭代后投影数据残差均取得极小值以便加快收敛速度。最后, 基于流场连续、紧支撑分布的特点, 在迭代重建过程中引入投影数据的细分内插和流场图像的圆域修正。实验表明: 相比于滤波反投影算法, 迭代滤波反投影算法可使理论流场重建的图像误差平均减少26%, 流量误差由1.77%减小至±0.25%以内;程序运行时间为0.63 s, 仅为联合迭代重建算法的0.89%。 该算法可实现对直管段内和单弯管下游实际流场的可靠重建, 满足流场高精度实时成像的要求。

针对现有的鞋楦定制技术没有完善的足楦匹配算法及衡量指标等问题, 提出了基于模糊层次分析法(FAHP)的足楦匹配算法, 通过计算鞋楦数据库中的鞋楦与足部的匹配值来决定技术路径。首先, 提取8个足楦特征参数作为FAHP的准则来衡量足楦匹配情况, 采用三角模糊数计算足楦特征参数的匹配值; 根据各特征参数对成鞋舒适性的影响以及变形设计难易程度建立成对比较阵。然后, 通过求解最大特征值的特征向量得到各参数对足楦匹配度值的权重。最后, 计算出足楦匹配度值并选择技术路径。给出了足楦匹配度值计算实例, 求解得到其值为0.69。结合阈值0.50、鞋楦定制标准0.80, 说明该鞋楦与足部不完全匹配, 但可作为变形修改设计的基础母楦。该方法可将基于鞋楦数据库的鞋楦定制与直接基于足部3D形貌的无实体楦造型等方法结合到一个系统中, 提高量足制鞋的效率, 降低定制成本。

为解决传统的模拟时间内插法测量回波飞行时间时存在温度非线性及长死区时间的问题，提出了一种基于时间放大技术的时间电压转换器。讨论了电压转换器电路的设计和电容参数不同配置对转换器性能的影响。选用分立元件设计了一款时间电压转换器原型电路，搭建了电压转换器性能测试平台，并进行了性能测试实验。结果表明：提出的新型时间电压转换器能从原理上减小测试死区时间，消除时钟抖动、PVT(Process, Voltage and Temperature)参数变化对电路性能的影响。在有效输入范围内，微分非线性误差小于 0.45 LSB，积分非线性误差小于 0.6 LSB，满足高精度和实时测量回波飞行时间的需要。

灯检机是利用机器视觉技术对药液中可见异物进行检测的机器。为了利用全自动灯检机获取中药液杂质粒径和其成像大小之间的精确标定曲线，提出了基于正交双目视觉的杂质粒径标定方法。首先，根据空间匹配建立杂质颗粒在正交相机图像中的对应关系，得到杂质颗粒在图像中的三维空间坐标; 然后，根据杂质颗粒的坐标计算由柱形瓶装药液带来的一维放大率误差并对杂质颗粒图像进行图像几何校正，再根据杂质颗粒坐标进行杂质离焦误差系数计算，从而获得杂质颗粒图像大小的精确值。对滴加了粒径为50 μm的标准颗粒的西林水剂瓶进行粒径标定，使杂质粒径测定值的离散度系数从0.11降低到了0.05。实验表明，此方法可以获得高精度的粒径标定曲线，实现灯检机对药液中杂质粒径的精确判定。

为实现无实体楦基础的数字化量足制鞋, 提出了基于非均匀有理B样条(NURBS)特征曲线自适应变形的个性化鞋楦定制系统, 将足部NURBS特征曲线依据一定的舒适度规则变形成相应的鞋楦特征曲线来实现鞋楦定制。该系统采用切平面法获取足部的特征点、特征曲线和特征尺寸, 重建出足部NURBS特征曲线。建立了足楦舒适度匹配规则, 并根据变形方式及次序不同将特征曲线分为四种类型。以特征点、特征结点和特征尺寸作为约束, 结合足楦舒适度规律驱动足部特征曲线自适应变形, 生成相应的鞋楦特征曲线。最后, 构建出鞋楦特征框架, 通过特征曲线增添操作和曲面细分造型完成定制鞋楦的设计。给出了男士皮鞋鞋楦的设计实例和定制结果, 定制时间在480 s内, 定制的鞋楦美观大方。该系统具有实用性, 且定制鞋楦的再设计利用率显著提高。

针对图像内的细窄线宽, 提出了一种基于Zernike正交矩的亚像素图像线宽检测算法。该算法具有明确的几何模型, 通过计算图像的2阶和4阶Zernike正交矩, 推导出了亚像素线宽表达式。根据数字图像的离散性, 给出了计算正交矩所需的模板系数, 并分析了由离散性造成的原理误差。将所提出的亚像素线宽检测技术应用于安瓿内异物粒径的标定实验, 结果表明: 该算法可有效地测量弱小目标在图像中的亚像素线宽值, 从而得到了异物粒径大小与亚像素线宽之间的标定曲线。

针对在使用干涉、Moiré偏折等方法进行流场高速动态测量时条纹图中大量无效数据对计算结果的影响，提出了一种基于连续小波变换的条纹图相位分析方法。利用小波变换的瞬时条纹频率分析能力，选用复Morlet小波及合适的小波参数，使得条纹图的小波变换模极大值与其调制度系数成正比,将其作为加权最小二乘法相位展开算法的权值，保证了相位有效展开。使用曲线拟合进行小波变换脊定位，缩短了定位时间并消除了噪声干扰。仿真实验显示，使用该方法得到的分析结果与实际相位值的相对误差小于0.01%；内波流场测量实验显示，使用该方法进行条纹图分析，密度梯度测量精度达到了5×10-6 g/cm4。结果表明，用该方法进行条纹图相位分析可以有效消除无效数据对结果的不利影响，相位展开有效可靠，分析结果精度高。

针对序列图像内具有低信噪比和低对比度特征的运动目标, 提出了一种基于级联分类器的弱小目标检测算法。该算法从安瓿瓶序列图像内提取绝对差分值、局部差分对比度和局部相关系数3个图像特征。每个图像特征对应一个分类器, 通过三层级联形式实现序列图像中的小目标检测。第一个节点与传统帧间差分法类似, 主要去除大量背景图像并检测出大颗粒运动目标, 后两个节点则用于检测弱小目标、排除光流和瓶身污渍产生的噪声点。实验结果显示, 相对于传统的帧间差分法, 本文算法具有高检测精度和高抗干扰能力等特点, 不仅可以检测出图像中弱小运动目标, 同时也消除了复杂背景下的噪声影响, 弱小目标的检出率达到99.3%, 并且满足安瓿在线检测的实时性要求。

为了精确提取粗糙金属表面的光条中心，提出了一种基于光切法的光刀条纹中心提取方法。从图像形态学角度出发，分析了图像的噪声来源，利用图像增强处理将噪声转化成颗粒状形态，并保持有效光条的连续条纹状特征。然后，通过对图像连通区域面积计数，分割噪声和有效光条信息，将得到的二值化光条图像作为掩模板，与原图像相乘来复原光条图像的灰度信息。最后，应用灰度重心法对已去噪的光条灰度图像进行中心提取。实验结果表明，提出的方法可使提取的光条中心全部落在光条位置区域。对噪声较多的直线条纹区域进行的中心提取显示，此方法的平均误差为0.337 5个像素。