多光谱测温依据黑体辐射定律, 通过辐射光强、 多组波长即能推测出温度值, 克服了比色测温要求光谱单一和比色光谱相近的约束, 在工程实际中得到了广泛的应用。 在多光谱温度反演的过程中, 光谱发射率的求解及多光谱数据处理是精确测温的关键。 目前, 光谱发射率的求解大多以光谱发射率假设模型为主要的方法, 当假设模型与实际情况接近时, 反演的温度与光谱发射率精度很高, 当二者不相符时, 反演的结果与实际情况相差甚大, 对于复杂材料和燃烧过程中材料性能动态变化情况下的测温, 以光谱发射率假设模型的方法存在盲目性; 近年来, 基于神经网络的深度学习的方法应用于多光谱测温, 避免了光谱发射率假设模型, 可建立温度与多光谱的非线性统计规律关系, 但需要海量数据与超强算力支撑, 且建模过程复杂。 针对上述问题, 提出了一种基于多元极值优化的多光谱温度测量方法(MEVO), 该方法利用不同温度下多光谱信号之间的关联性, 通过分析在多光谱温度反演过程中各通道测量温度之间的联系, 基于多光谱辐射测温原理以及温度反演过程中各通道数据之间的信息关联, 建立多元温差关联函数, 通过关联函数的寻优, 建立高精度测温模型。 该方法将建模过程简化为多元温差函数的寻优问题, 避免了光谱发射率与其他物理量的关系假设, 降低了深度学习方法对数据样本量的要求, 简化了多光谱温度测量的过程。 为了验证该方法的可行性与可靠性, 利用一套简单的8通道多谱测温装置进行实验验证, 实验中认定黑体炉发射的温度是标准值, 在1 923.15～2 273.15 K温区内对468～603 nm波段的光谱数据进行标定, 实现了基于多元极值优化的多光谱温度测量, 其测温精度在0.5%左右, 温度反演时间在2.5 s以内。 与二次测量法(SMM)、 神经网络方法相比反演精度有所提高; 反演速度与SMM法相比有大幅度提升。

针对现有的棱镜-光栅的组合设计存在结构复杂、调试困难的问题,建立了三棱镜-光栅组合色散的数学模型,提出了仅需改变三棱镜、光栅的空间相对位置来提高光谱色散线性度的双目标优化方法,获得了线性度良好的棱镜-光栅组合结构参数。采用光学标准件对模型的正确性进行仿真和实验验证。仿真结果表明:在400~1000 nm波段,系统具有长为15 cm、光谱线性度良好、结构简单的特点。实验结果表明,在420~780 nm波段,整体分辨率优于2 nm,进一步证明了该方法的有效性。本研究为棱镜-光栅组合设计提供了一种灵活、简单的结构设计方法。

雷达测速是管状结构内运动参数测试系统的重要手段, 提高雷达工作频率可有效提高测速精确度和分辨力。在122 GHz毫米波可用性分析的基础上, 分别建立了管径和管壁粗糙度对毫米波传输的衰减常数计算模型。仿真结果表明: 随着管状结构管径的不断增大, 衰减常数趋于减小; 管壁粗糙度在5 μm内, 衰减常数急剧增大; 大于5 μm后, 衰减常数趋于平稳, 该结果进一步证明了122 GHz毫米波在身管等管状结构毫米波测速的可行性。

在常规CT成像系统中, 发出的X射线是连续能谱的, 导致重建图像出现硬化伪影, 影响了材料组分区分, 无法进行定量表征。 解决这一问题的关键在于实现多能谱CT成像, 利用多个窄能谱段或单能量CT图像, 提高组分与图像灰度的对应性。 相对于传统CT, 能谱CT具有更强的组分区分能力, 有利于实现物体组分的定量分析。 现有的基于光子计数探测器多谱CT在成像时间分辨率和空间分辨率存在局限, 基于能谱滤波的多谱CT能谱区分度受限。 而基于变电压多谱投影序列盲分离的多谱CT, 通过分解连续能谱投影, 获取窄能谱投影, 进而实现能谱CT成像, 确保物质组分与重建图像灰度值的对应性, 实用性较强。 但是由于X射线能谱和物体组分的未知, 在盲分离过程中, 衰减系数未知, 并且能谱划分是不确定的, 导致窄能谱CT重建图像的能量指向性不强, 对应能量值与参考能量偏差偏大, 影响组分定量分析。 因此, 针对盲分离中能谱划分不确定性和重建图像能量指向性问题的开展研究。 利用衰减系数的光电效应和康普顿效应分解, 构建能量约束, 消除能量的不确定性, 降低分解所得投影重建图像的能量与参考能量值的偏差。 在基于以残差的局部方差和最小为优化目标的分解模型中, 将分解模型中的衰减系数按光电效应和康普顿效应分解为能量项和材料项, 利用能量项的可预知性, 依据预先划分的窄能谱段设置其值, 固定各分解投影对应的窄能谱段, 作为对能量的约束条件。 求解所得各分解投影为能量已知投影, 对其重建可得到能量确定的各窄能谱段的图像。 选择衰减系数相近的硅铝材质构成外硅内铝圆柱体进行实验验证, 在有能量约束的求解结果中, 硅铝衰减系数与参考值偏差小于无能量约束, 所得重建图像中硅铝变化率与理论值趋势较一致, 能量指向性强, 与参考能量偏差降低。 结果表明, 所提方法解决了基于变电压序列盲分离多谱CT成像的能量指向问题, 能谱分辨率更高, 组分表征更准确。

多谱CT成像是通过不同谱段的CT图像表征检测对象中的不同组分。 为了便于在同一视图中显示所有组分的信息, 需要研究多谱CT序列的融合方法; 但是常用融合方法如加权平均法、 小波变换融合法等都是针对图像细节信息的优化, 不能表达组分的物理特性, 从而导致融合图像的灰度不具有物理表征性, 影响CT的定量检测。 为此, 结合具有物理表征特征的数据约束模型(DCM), 开展了基于先验组分的多谱CT序列DCM融合算法研究。 首先通过能谱滤波分离的成像方法获得多个能谱范围内的多能投影数据, 采用TV-OSEM算法重建不同能谱段的CT序列; 其次, 利用传统DCM模型和改进DCM模型分别对多谱CT序列进行融合, 传统DCM模型是严格单能的, 由于滤波后能谱的非严格单能特性, 其融合结果不能表征出对象序列中的全部组分。 针对此问题提出了改进DCM模型。 改进DCM模型选择了新的体元定义, 并且在多谱CT序列融合中引入先验组分作为参照, 通过先验物质对融合结果中其他物质进行校准, 实现检测对象中各组分位置的准确分布。 仿真实验表明, 该方法可从物理表征正确性的角度, 实现多谱CT序列融合, 在满足CT序列中不同组分区分的同时, 其融合图像的灰度具有物理可参照性, 有利于后续的CT定量检测。

现有的X射线CT成像系统, 受限于多谱硬化伪影和传统单能假设的CT成像方法, 只适用于结构分析却无法实现材料组分的有效区分。 对此论文提出了基于能谱匹配先验的多谱CT成像方法。 首先依据材料组分先验, 构建能谱滤波匹配模型, 设置能谱范围参数, 并通过滤波获取该能谱范围内的多能投影序列; 其次, 针对多能投影序列, 以材料组分为先验选择不同参考能量, 采用改进后的ART迭代重建算法, 实现了多谱CT成像。 仿真实验结果表明, 对于衰减系数相近的多种材质, 通过选取两段不同能谱范围, 重建出相应参考能量下的结果, 在一定程度上改善了图像质量, 对比度提高明显, 可实现组分有效区分与成像。

与传统计算机层析(CT)成像技术相比，能谱CT可在一次扫描中得到物体在不同能谱通道下的投影图像，这有利于区分物体的材质，提高信号噪声比。基于光子计数探测器的能谱CT是近年来成像领域研究的热点。由于能谱通道变窄，每个能谱通道内的噪声增加。为了有效降低通道内的噪声，采用基于全变分最小化的Split-Bregman算法进行图像重建。根据重建模体的先验信息，进行能谱通道的划分；采用Split-Bregman算法对含噪声和稀疏角的能谱投影数据进行重建。仿真结果表明，基于Split-Bregman算法的能谱CT图像重建方法能够有效减少能谱通道内噪声的影响，满足物体材质区分的需求。

针对常规 CT系统中 X射线是连续宽能谱而导致重建图像中衰减特性相近组分对比度较低的问题，论文提出一种分解多电压 X射线图像序列获取新投影的方法，用新投影重建的图像有效地提高了对衰减特性相近组分的区分能力。该方法依据 X射线成像规律，将各电压下图像看作多个窄能谱图像的叠加，借鉴非负矩阵分解，以分解的误差平方和最小为目标对多电压 X射线图像分解。用硅铝材质的圆柱体实验，新投影重建的图像相比直接重建图像，硅与铝对比度明显提高，表明了方法的有效性。

X射线递变能量成像是依次获取复杂结构件在递变能量下的局部有效信息, 并通过多谱融合获取完整结构信息。 但是目前的能量选择主要以人工设定管电压步进为主, 无法匹配检测对象的有效厚度变化率, 成像效率及射线利用率较低。 基于递变能量成像规律, 提出一种最佳X射线管电压预测算法。 该方法通过对检测物体进行变能量预扫描, 提取图像序列中有效厚度(高质量区域)和临近厚度(预测区域), 建立有效厚度的图像灰度与管电压、 X射线光谱之间的物理模型, 及临近厚度灰度差与电压的函数模型, 进而得到临近厚度最佳成像时的能量预测模型。 通过模型求解, 实现了能量的自适应预测。 以不同厚度钢块为对象, 利用该算法逐一预测各个厚度钢块最佳成像时的管电压, 并与实际值对比。 实验结果显示, 在低能时可跨3~4 mm准确预测, 高能时可跨7~10 mm预测, 精度可以达到95%以上。

模仿昆虫复眼的视觉机理, 设计一种仿生球面9复眼视觉系统, 并提出一种全景图拼接算法。首先采用抗旋转、抗尺度变化的SIFT图像匹配算法进行特征点的提取与匹配; 然后利用稳健的RANSAC算法求出图像间变换矩阵 的初始值, 并使用LM非线性迭代算法精炼 ; 最后通过改进的加权平滑算法完成多视角图像序列的无缝拼接, 得到整个场景的全景图。实验结果表明: 全景图的整个拼接过程中复眼视觉系统可以自动地实现对多视角图像序列的无缝拼接, 并在多个方向都增大了视场, 弥补了传统宽屏幕全景图的不足。