车轮是铁路列车走行部的重要部件，车轮踏面上产生的缺陷严重危害着铁路列车的安全运行。由于实际中车轮踏面缺陷样本有限，有监督检测模型对缺陷的检测不具有鲁棒性。针对此问题，提出使用无监督的知识蒸馏异常检测模型实现对车轮踏面的异常检测任务。首先，使用UNet对踏面区域进行分割，减少非踏面区域对异常检测模型的影响；然后，在多尺度特征聚合之后添加一个注意力机制，提升反向知识蒸馏结构中学生网络对正常特征的重建能力，增强学生网络对正常特征重建的效果。实验结果表明：在铁路车轮踏面数据集上，改进后的模型能够达到93.8%的受试者工作特性曲线下的面积、82.3%的精准率、95.4%的召回率、87.0%的准确率。与原模型相比，改进后的模型检测性能得到提升。

针对三维激光扫描设备实际采集的列车关键部件点云模型通常存在噪声点和采集误差等问题，提出一种高效的点云小尺度噪声滤波平滑算法。首先利用K-D树构建点与点之间的几何关系，设置中心点并利用K近邻算法查询邻域信息；然后假设输入点云与滤波后输出的点云之间存在线性关系，从而利用两片点云构造代价函数；最后通过求解代价函数最小值确定线性参数，从而得到平滑后的点云模型。代价函数构建过程中，根据点与其K近邻内点的欧氏距离的方差与整体欧氏距离方差的比值大小自适应地调节权重，达到动态调整线性模型参数的目的。实验结果表明，所提算法能够快速矫正小尺度噪声、平滑边界轮廓、提高质量，为点云识别、重建等后期任务奠定基础。

列车关键部件对列车的安全运行具有重要保障作用，在光照环境较差以及部件尺寸较小时，当前基于深度学习的目标检测算法无法很好地进行检测。针对这一问题，提出一种基于改进RetinaNet的列车关键部件检测算法。首先，为了提高小尺寸部件的检测效果，在浅层特征P3后引入感受野模块，提升P3特征层的感受野及特征质量；进而将特征金字塔网络替换为像素聚合网模块，通过增加自底向上的特征融合路径，增强特征金字塔的定位能力；最后通过调节实验参数以及网络检测层的位置，得到适用于列车关键部件检测的网络模型。经验证，所提模型在公开数据集PASCAL VOC上的效果优于原始RetinaNet网络，且所提方法在列车关键部件检测任务上优于当前的主流算法。

传统的光栅条纹相移法提取相位时至少需要3幅光栅图像，使得测量系统的工作频率较高，图像预处理工作量大。针对这些问题，将希尔伯特变换引入二步相移法。希尔伯特变换具有90°相移和滤除直流分量的特性，对光栅条纹图像进行希尔伯特变换处理后，利用推导的相位提取公式计算相位。测量系统的非线性效应会引起条纹图像的失真，计算出的相位不准确，导致最后的三维复原精度低。推导了二步相移法中系统非线性效应引起的相位误差的公式，并对相位进行迭代补偿，削弱了非线性效应的影响。通过计算机仿真验证了所提方法的可行性，并将所提方法用于钢轨表面的三维面形复原，为钢轨磨耗和表面缺陷的测量提供了有效方法。

针对现有基于像素损失的超分辨率图像重建算法对纹理等高频细节的重建效果差问题,提出了一种基于改进超分辨率生成对抗网络(SRGAN)的图像重建算法。首先,去除了生成器中的批归一化层,并结合多级残差网络和密集连接,用残差套残差密集块提高了网络提取特征的能力。然后,结合均方误差与感知损失作为指导生成器训练的损失函数,既保留了图像的高频细节,又避免了伪影的出现。最后,去除了判别器的最后一层Sigmoid层,以更好地收敛训练过程,并用相对损失函数指导判别器的训练。在COCO数据集上的实验结果表明,相比原始SRGAN算法,本算法在Set5数据集上的峰值信噪比(PSNR)、结构相似性(SSIM)分别提高了0.86 dB、0.0123;在Set14数据集上的在PSNR、SSIM分别提高了0.69 dB、0.0090,且本算法的平均意见指数和视觉效果远优于其他算法。

近红外光谱分析以其简便、 快速、 高效、 低成本、 绿色环保等优点, 已广泛应用于诸多领域。 然而, 近红外光谱同时存在变量维度高、 多重共线性、 包含冗余信息和高频噪声等问题, 直接构建预测模型不但增加建模复杂度, 同时也会影响模型的预测性能和泛化能力, 因此提出一种基于改进和声搜索算法(HS)的光谱特征变量选择方法。 HS常用于解决特征变量优化选择问题。 在应用和声搜索算法进行最优光谱变量选择时, 首先通过偏最小二乘(PLS)载荷系数计算各光谱点的特征贡献度, 作为和声搜索算法改进的扰动权重。 算法优选光谱特征变量过程中, 引入变量特征贡献度作为激励因子, 采用随机遍历和激励因子共同作用的方式生成初始解向量。 产生新和声向量时, 应用变量特征贡献度作为惩罚项, 通过加入平衡因子使选择参数随迭代次数而动态调整, 从而适应光谱变量的搜索, 增强搜索过程的遍历性和种群的多样性。 为验证本算法的有效性, 以烟叶样品烟碱、 总糖、 总氮三个指标的近红外光谱PLS建模应用为例, 对采集的原始光谱进行预处理后, 应用该方法对光谱变量进行优选, 根据变量被选择的累积频次分别计算不同变量个数的模型预测性能, 通过校正均方根误差(RMSEC)随变量增加的变化趋势确定最终选择的光谱特征变量。 在训练集上分别建立各指标的PLS模型, 应用测试集测试模型性能, 并与全光谱、 无信息变量消除法(UVE)和粒子群算法(PSO)进行比较。 实验结果显示, 应用该算法所选变量建立的烟碱、 总糖和总氮三个模型的决定系数(R2)分别为0.921 1, 0.925 7和0.941 2, 预测均方根误差(RMSEP)分别为0.102 3, 1.034 6和0.053 1, 与其他方法相比, 光谱特征变量更少, 同时R2和RMSEP值更优。 由此表明, 改进的和声搜索算法能有效筛选特征光谱, 降低建模复杂度, 提升模型预测性能和泛化能力。

针对天文图像成像分辨率低的问题,基于集中稀疏表示图像超分辨率重建理论,提出一种层次聚类字典训练和相似约束的天文图像超分辨率重建算法。在字典训练阶段,采用新的基于层次的聚类算法对样本图像块进行归类,对每类图像块进行独立训练得到多个紧凑型字典。在图像重建阶段,通过抑制稀疏编码噪声提高稀疏编码系数的准确性,并利用图像的非局部自相似性对重建图像的稀疏系数进行合理估计。此外,通过构建非局部自相似正则化项对图像重建过程进行全局约束。仿真结果表明,该算法可以有效地改善天文图像的分辨率,重建图像在主观视觉效果和客观评价指标上都要优于其他传统的超分辨率重建算法。

研究了点源、线源激光激发超声波对钢轨表面缺陷检测的影响。使用有限元法对比了这两种激发方式的声场、声波信号及对钢轨表面缺陷检测的有效性。通过有限元仿真分别对水平、垂直、斜45°的钢轨表面缺陷进行了检测并进行了实验验证。实验与仿真结果一致表明,由激光线源激发的声表面波指向性好、信号幅值大,更利于钢轨表面缺陷的检测,且对不同类型的钢轨表面缺陷均具有较好的检测能力。

大气非等晕效应是望远镜大视场高分辨成像需要解决的重要问题，模拟大气非等晕成像是研究非等晕复原的基础。根据基尔霍夫衍射成像理论，建立了非等晕条件下空间目标大气成像理论模型。把大气非等晕效应用位于不同高度的多层相位屏表示，目标上的每一点发出的光波经大气后的相位变化用一个相位屏表示，其相位大小是光线穿过各层相位屏后相位的叠加。通过一系列实验对所研究的方法进行了验证，对多星目标、星云和月球表面图像进行了非等晕成像模拟，实验结果表明：通过所建立的大气非等晕成像模型模拟的图像，有效体现出大气湍流、衍射和空间位置变化时点扩展函数的变化情况，没有振铃和边缘效应，并能准确表示不同视场角时大气非等晕效应对大气成像的影响。

大气湍流、光子噪声和光学跟踪系统对准误差严重降低了空间目标观测图像的分辨率.根据最大似然估计原理,建立了提高目标图像分辨率的多帧盲反卷积算法, 用共轭梯度优化方法从目标记录图像估计出原始目标函数和点扩散函数.运用低通平滑滤波技术在算法迭代过程中逐步完成对噪声的抑制.模拟实验数据和实际图像的复原结果表明,论文建立的盲反卷积算法有效地克服了大气湍流、光子噪声和光学系统对准误差,提高了目标图像的分辨率,复原目标图像的分辨率达到了光学衍射极限的水平.