煤矸石快速精准的识别对提升煤炭产能有着极大的影响，而现有的煤矸识别分选方法在分选设备、准确率以及效率上尚有不足。提出了一种基于深度学习的激光雷达双通道伪彩图像煤矸识别方法。首先，基于激光雷达距离通道信息，设定高度阈值去除目标矿石以外的干扰信息；其次，对原始点云数据降维投影，以快速获得煤矸反射强度信息和表面纹理特征；然后，对降维处理后的强度通道与距离通道进行融合，构建煤矸双通道伪彩图像数据集；在此基础上，针对伪彩数据集对经典稠密连接网络（DenseNet-121）进行优化，利用优化后的DenseNet-40网络进行模型训练及测试，测试结果表明：该模型对煤矸的识别率达94.56%，证明激光雷达采集的双通道伪彩图像在矿石识别领域具有科研和工程应用价值。

为了解决夜间会车滥用远光灯造成驾驶员晕光的问题, 提出一种在IHS色彩空间下改进Curvelet变换融合可见光与红外图像的抗晕光方法。该方法通过改进Curvelet变换实现图像二维细节信息的有效表达, 提高图像清晰度, 其中提出的低频系数权值自动调节融合策略能够将晕光信息剔除, 避免其参与融合过程; 与IHS变换相结合能够保留原图中的色彩信息, 避免色彩失真。对实验结果的主客观分析表明, 该方法消除晕光比较彻底, 与IHS-小波融合相比, 融合图像的标准差、平均梯度、边缘强度、信息熵分别提高了47.15%、53.10%、52.46%、4.45%, 对比度和清晰度显著提升, 细节信息也更加丰富, 人眼视觉效果更好, 有利于驾驶员观察前方路况, 提前做出预判, 消除安全隐患, 提高夜间行车的安全性。