尽管纹身的人数在增加，但希望祛除纹身的需求量也在增加。现在纹身祛除大多采用激光进行治疗，但仅凭肉眼观察的单次疗效不够理想，往往需要重复治疗。因此，研究了基于图像技术量化评价治疗的效果。使用皮秒激光对猪皮的不同颜色的纹身进行照射，采集治疗部位与正常皮肤组织的图像，再标准化提取部位，并对此部位的图像进行特征提取后，量化照射前后的纹身所占面积比，进而得到祛除率。为了验证量化算法的可靠性，设计了不同对比度的标准图像来计算色素占比，得到的误差均小于0.01%，证明该算法是可靠的。对于色素祛除的量化评价能客观反映激光祛除色素的效果，避免了因医师的主观判断所造成的疗效偏差，为治疗参数的选择及疗效的提高等提供了帮助。

X射线探测在诸如医学成像、特定晶体结构测定、射电天文学等领域有着非常重要的作用。而传统的用于X射线探测领域的材料如硅、锑化镉等存在制备工艺复杂、成本高、X射线探测灵敏度低等缺点，严重制约了X射线探测领域的发展。近年来，铅卤钙钛矿材料作为备受关注的热点材料，因其具备较大的原子序数、高吸收系数等优点，在X射线探测领域表现出非常优异的性能。而钙钛矿材料体系是一个大家族，不同组分的钙钛矿材料各有其优缺点，即使是同一组分的钙钛矿，根据其结晶性等参数的不同，性能表现也各不相同。本文从钙钛矿材料调控的角度出发，综述了近些年来直接转换型钙钛矿X射线探测器取得的成就，并对未来钙钛矿X射线探测领域的发展趋势做出了展望。

水体对光有吸收和散射作用，导致水下图像出现颜色偏差、细节模糊、对比度低等问题。提出了一种基于颜色平衡和多尺度融合的水下图像增强算法，采用一种颜色平衡方法来校正图像颜色，将颜色平衡处理后的图像从RGB空间转换到Lab空间，用限制对比度自适应直方图均衡化方法处理L通道来增强对比度，且对比度增强后将图像转换回RGB空间。最后，对颜色校正后的图像和对比度增强后的图像按权重图进行多尺度融合。图像增强处理后，在视觉效果和图像质量2个方面比较该算法和其他算法对图像的增强效果。实验结果表明：该算法能够去除水下图像的色偏，提高图像的清晰度和对比度，图像的信息熵、UIQM及UCIQE较原始图像分别提高了5.2%，1.25倍和30.8%。该算法能够有效改善水下图像的视觉质量。

太平猴魁茶因其特有的“喉韵”深受广大消费者喜爱, 不同产地太平猴魁茶市场价格相差较大, 如何实现产地精准鉴别是目前促进绿茶产业发展的关键因素。 依赖于人工经验的感官评审方法主观性强、 稳定性差, 无法应用于实际生产检测过程。 作为目前主要的检测分析方法, 化学分析方法周期长、 检测成本高, 而且目前没有用于茶叶产地鉴别的统一标准。 近红外光谱(NIR)作为一种无损检测分析方法, 具有快速、 非破坏性、 无污染等特点, 但是不同产地太平猴魁茶主要内含成分及其含量基本相同, 不同产地样本光谱特征峰分布相似, 导致常规分析方法无法有效选择特征变量。 卷积神经网络(CNN)作为经典深度学习网络模型之一, 具有强特征提取和模型表达能力。 采用太平猴魁茶产地光谱特征分析, 利用一维卷积神经网络模型(1-D CNN)提取太平猴魁茶NIR特征, 提出一种基于1-D CNN和NIR的太平猴魁茶产地鉴别分析方法。 试验以6个不同产地共120个样本为研究对象, 分析10 000~4 000 cm^-1范围内的光谱信息; 将样本随机划分为训练集(84, 占70%)和测试集(36, 占30%), 分别讨论不同间隔采样、 网络结构、 卷积核大小及激活函数对产地鉴别结果的影响, 并引入Dropout方法对比分析模型过拟合现象; 最终建立一个具有9层结构的1-D CNN模型。 蒙特卡罗试验结果表明, 相比于基于原始光谱数据(40.57%, 7.06)和PCA方法(31.93%, 6.96)的太平猴魁茶产地预测模型准确率和标准差, 基于1-D CNN的太平猴魁茶产地鉴别模型预测精度和稳定性更高, 其测试集预测准确率平均值和标准差分别为97.73%和3.47。 因此, 1-D CNN可有效提取太平猴魁茶不同产地NIR特征, 提高太平猴魁茶产地鉴别精度, 为太平猴魁茶精准产地鉴别及溯源分析提供参考。