现有图像增强算法在处理肺部计算机断层扫描(CT)图像时，易产生不自然的外观，引入不必要的人工伪影，并会产生洗去效应。针对此问题，本团队提出了一种基于图像分割和全变分模型的图像增强算法。该算法将图像分割为前景和背景，先对前景肺实质图像的直方图进行修改，然后根据修改的直方图对图像进行伽马拉伸，得到对比度增强的前景图像，再将其与背景图像融合作为全变分模型的输入；然后通过全变分能量泛函将图像分解为纹理层和结构层，对纹理层进行小波阈值去噪，将去噪后的纹理层与结构层进行融合得到增强图像。实验结果的主观分析和客观评价指标均表明，该算法不仅可以有效抑制图像中的伪影噪声，解决现有算法过度增强肺CT图像的问题，还可以充分提高图像的对比度，并保留图像的自然外观显示、纹理细节和边缘特征等信息。

提出了一种基于最小二乘拟合的三角波调幅激光测距方法,设计了具有光程差的参考信号和测量信号两路信道,采用改进的最小二乘直线拟合算法对两路回波信号进行拟合,得到了关于三角波的拟合参数和奇异特征点;根据两路信号特征点所携带的时移信息之间的关系,可用所提方法进行测距。在10 kHz三角波调制频率的实验条件下,采用几何理论计算得出所提测距方法在测量距离为10 m时的平均测量精度能达到3.2 mm。实验结果证明了该测距方法的有效性,在短距离激光测距方面具有一定的应用前景。