近年来,深度学习在图像超分辨重建方面表现出色。然而,由于复杂的海洋环境,传统的图像超分辨算法存在着调节参数困难等问题,单帧图像超分辨率算法亦存在病态的恢复,生成的像素点具有不确定性。提出了一种多帧图像的超分辨重建算法以用于海面图像重建研究,利用深度学习中的卷积神经网络来学习多帧低分辨率图像与高分辨率图像之间的映射关系,从而实现超分辨率重建。同时,由于海洋监测成像系统需要更多的高频信息来判别目标及锁定轮廓,提出应用残差网络框架来改善网络重建图像的质量,恢复更多的高频信息,丰富图像的细节。实验结果表明,所提算法具有较好的图像重建能力,与其他方法相比具有较好的主客观评价结果。

为了降低野外对空中观测实验的复杂度和成本，设计了基于VGA接口液晶显示屏的通用空中目标室内模拟仿真平台，并对该平台所采用的基于空间位置/大气密度的空中目标形态/能量实时更新模拟算法进行研究。平台由S3C2440处理器和VGA接口组成，在每一时刻计算模拟目标的瞬时高度、距离、速度，结合这些参数并依据大气密度变化和能量制约算法，实时生成模拟目标的显示位置和尺寸大小，并通过VGA接口把模拟目标显示在液晶屏上。测试结果表明，利用该平台对空中的目标模拟，与传统的野外实测相比降低了90%以上的成本，且具有可随意变更观察目标和实验重复性好的优点，能满足在单一背景下模拟空中目标的需要。

为了实现人机交互界面的高效率开发，设计了基于实时操作系统的通用GUI设计平台，对该平台所采用的命令/数据传输算法和交互界面/主控端同步算法进行研究。使用S3C2440处理器直接驱动TFT液晶屏和四线电阻触摸屏建立硬件平台，接着移植实时系统到该平台，然后利用实时系统中的任务与交互界面中的按键关联的算法和传输数据与系统中断关联的算法，建立惟一的“命令—数据”传输通道，最后通过串口与主控端协同，实现交互界面与主控端的同步。测试结果表明，使用该平台分别设计了主控端程序和与之相配的2阶交互界面，完整地实现了界面的切换，数据/状态的显示，命令/数据的传递，与传统的界面/主控一体化设计方法相比降低了90%以上的调试时间，随着界面复杂度的增加，调试的时间可减少到传统方法的5%以下。基本满足多种场合图形用户界面设计的需要。

针对人眼无意识的抖动导致图像位置在眼底成像设备上无规律变化而无法有效观察指定区域的问题，提出了一种视网膜图像实时动态稳像算法.该算法依据图像匹配理论，在图像探测的同时引入图像有效区域实时“计算移位”.利用时间上相邻的视频序列图像近似对应于眼底同一位置的特点，通过“采集运算”找到当前采集图像的中心区域.把当前图像的中心区域与第一帧采集图像的中心区域进行相关匹配，获取当前视网膜图像相对第一帧图像抖动的偏移方向和偏移量，然后把当前图像移位，循环执行此过程，并剔除无法匹配的图像，使得屏幕上的图像始终是在同一个位置的静态图像.实验证明：本文提出的算法解决了自适应眼底成像设备在对视网膜细胞观测时因为人眼自然抖动而造成的图像不稳定问题;解决了人眼在可见光波段的激光照明下受到较强刺激而无法长时观测的问题，实现了细胞和微血管同平台同算法观测;是采用拼接技术实现大视场图像的前提.

为了实现对工业现场进行远程监控的需要, 设计了基于S3C2440处理器的通用远程工业现场参数监控的平台, 对该平台所采用的命令/数据传输算法和界面树链表交互算法进行研究。使用S3C2440处理器直接驱动TFT液晶屏和四线电阻触摸屏建立硬件平台, 自主设计需要的监控界面组成树链表, 并按照互关联算法关联命令和数据, 通过RS485接口与现场的设备进行通信。测试结果表明, 使用该平台设计的远程电流-温度监控平台, 利用RS485接口连接采集设备, 通过触屏传输命令, 完成数据显示更新, 与传统的监控方法相比具有开发简单, 使用简便, 通用性好, 成本低廉的优点, 特别是随着参数个数增加, 其成本可减少到传统方法的5%以下。该平台基本满足多种场合远程监控工业现场的需要。

为了实现低成本智能门禁/监控系统的需要，设计了基于S3C2440处理器的人脸识别平台，对该平台所采用的采集/显示驱动算法和人脸识别算法进行研究。使用Samsung公司的S3C2440处理器和OmniVision公司的OV9650摄像头组成硬件平台，利用Harris算法提取采集到的人脸图像的特征点，并与数据库中已有的数据进行匹配得出相关信息。为了加快人脸图像实时采集-匹配的速度，平台开启了cache加速程序。使用该平台设计的智能门禁/监控系统，实现了对人脸图像的快速识别，并且结构简单，成本低廉。该平台可以满足门禁和监控等场合的需要。