偏振成像相比于普通成像包含更丰富的物体表面反射和散射信息。采用偏振成像的方法在不同光源照明下获得皮肤表面偏振度图像，研究同一波段光源激光和LED以及不同波段的激光和LED光源对偏振成像的影响，探索适合特殊病症的偏振成像照明光源的种类和波段。结果表明: 同一波段光源照明下，激光的偏振度图像信息熵和平均梯度都高于LED的偏振度图像；对于皮肤上红斑与黑斑的局部成像，绿光波段照明的图像细节表现力均优于红光波段光源照明时的图像, 为激光偏振成像提高皮肤状态诊断的准确性提供更多信息。

偏振图像比传统图像包含更为丰富的来自物体表面及浅表信息, 因此可通过获取皮肤异常区与正常区的偏振信息进行皮肤状态的检测与评估。本项目搭建多波段激光照明式皮肤偏振成像系统, 开展了蓝绿红三波段偏振激光照明下的正常皮肤、色素沉积皮肤和炎症皮肤的激光偏振成像实验。主要结果: 1)488 nm蓝光和520 nm绿光激光照明下, 色素沉积区、炎症区和正常皮肤区的偏振度数据有明显差异; 2)660 nm红光激光照明下, 色素沉积区和正常皮肤区有明显差异, 但炎症区和正常皮肤区数据接近; 3)针对色素沉积区的三波长激光偏振图像信息比较相似。综合分析表明: 在绿激光照明下获得模拟皮肤的偏振图像与偏振度数据, 较容易区分正常皮肤与色素沉积及炎症皮肤区域之间的界面与差异; 色素沉积区域偏振图像更为相似, 表现为皮下同一深度信息; 炎症区域偏振图像差异性大, 为不同深度下皮肤的偏振信息。

激光融脂（laser lipolysis）技术处于较为初步的阶段，目前研究缺少适用人体的参数信息。在激光融脂过程中，温度作为一个重要的量却难以进行实时监控。结合多路光栅光纤测温系统，通过一系列的试验，研究1 064 nm Nd：YAG连续激光在离体猪脂肪样本中的穿透能力、温度分布，以及功率密度、辐照时间等对脂肪温升的影响，设计并验证持续融脂的试验方案。研究结果表明，连续1 064 nm Nd：YAG激光的脂肪透射能力在2 mm以内；其光热效应产生的热量分布也集中在径向、轴向5 mm以内的组织中。另外，温度分布与照射脂肪激光的功率密度、照射时间有着密切的联系；照射温度达到35 ℃后，一定时间内将温度控制在安全范围内的参数为：功率密度27.08 W/cm2，照射时间16 s，自然冷却9 s；功率密度40.62 W/cm2，照射时间9 s，自然冷却9 s。

由于中心对称局部二值模式(CS-LBP)的虹膜识别具有特征维数高、对噪声敏感等缺点, 提出了基于统计特征中心对称局部二值模式(SCCS-LBP)的虹膜识别方法。首先, 根据虹膜纹理的分布特性, 用CS-LBP对归一化的虹膜图像进行编码; 为了进一步降低特征维数, 对编码后的图像进行特征统计。然后, 根据统计结果的分布, 提取出有效的二值特征图像。最后, 用Hamming距离进行虹膜识别。对CASIA1.0、CASIA2.0、CASIA3.0-Interval、MMU1图像库进行了识别, 最高正确识别率分别为99.955%、99.848%、99.989%、99.916%。实验结果表明: 该方法有效地利用了虹膜纹理分布特性, 与LBP和CS-LBP方法相比, 具有更少的特征维数、更高的正确识别率和更好的鲁棒性。

针对虹膜识别经验模态分解(EMD)和局部均值分解(LMD)方法具有无法兼顾分解速度和包含小误差的缺点, 提出了将分段三次Hermite多项式插值引入 局部均值分解(PCHIP-LMD)的虹膜识别方法来提高识别准确率。针对虹膜纹理的分布特性, 利用PCHIP-LMD对归一化的虹膜图像逐行分解, 得到不同尺度的分量图像; 通过提取有效的分量图像将其二值化为特征图像。然后用Hamming距离对特征图像进行移位匹配, 得到匹配向量。最后计算匹配向量的改进标准差, 用此标准差进行虹膜识别。对CASIA1.0、CASIA2.0、CASIA3.0-Interval、MMU1图像库进行了识别试验, 结果显示识别率分别达到了99.968 1%、99.884 5%、99.993 7%、99.878 2%。实验结果表明: 该方法消除了虹膜特征提取时的高频噪声, 有效提取了图像的二值特征, 与EMD和LMD方法相比, 识别速度, 识别准确率和鲁棒性均有极大提高。

针对传感器测量数据的不确定性,提出基于模糊贝叶斯网络的态势威胁评估模型。该模型首先将不确定性数据分为模糊域和概率域两大类,然后在模糊域使用模糊综合评判得到威胁目标的动态威胁度,接着运用可能性概率转换理论将模糊表示的动态威胁度转化成概率域知识,最后在概率知识域使用贝叶斯网络推理算法得到目标的威胁等级。实例计算表明,该方法能够较好的反映威胁源的威胁等级,为**系统选择跟踪打击目标提供决策依据,具有一定的实用性。