面向复杂环境下固废基混凝土3D打印构件的智能检测需求，引入机器视觉理论，提出一种基于层间信息熵的目标精细分割算法，实现3D打印构件的特征分析与智能检测。首先，考虑到混凝土3D打印的复杂环境，构建一种视觉特征增强的预处理方法，通过Gamma灰度变换和直方图均衡化算法调整对比度，增强图像特征细节，并结合自适应中值滤波去除图像中的随机噪声；随后，针对构件的分层叠加特性，定义了层间信息熵指标，设计了一种基于层间信息熵和双阈值优化的打印构件精细分割方法，实现了复杂环境下对3D构件的分层检测与精细分割；最后，采集真实混凝土3D打印构件的目标影像，对所提算法进行有效性验证。实验结果表明，所提算法的准确率值平均提高了12.44%，F₁值平均提高了30.79%，极大地提高了目标分割精度，为进一步实现3D打印构件的精确测量与路径优化奠定基础。

高危作业现场环境复杂,危险系数高,容易发生跌倒事故,造成人员伤亡。为了检测工人跌倒行为,提出了一种基于Kinect传感器的人体跌倒检测方法。利用Kinect获取深度图像,提取关节点信息,通过计算关节点相对位置熵和速度的变化,判断人体是否发生跌倒。通过对比实验,确定了一组跌倒识别率最高的骨架关节点:头、双肩、双膝、中心点。实验数据表明该方法可以更快速准确地检测出跌倒行为。

在利用频谱分析仪对信号进行实时频谱监测过程中，针对其数字下变频模块精度不高、逻辑资源耗费大、难以对数字中频信号进行实时处理的问题，本文对传统数字下变频系统的混频器模块进行优化并提出一种高效的数字下变频（DDC）系统。首先，设置模数转换器（ADC）的采样率为载波中心频率的4倍且采样率转换比率和子ADC的数量是4的正整数倍，此时混频器可以完全合并到多相CIC抽取滤波器中。接着，基于优化的混频器构建一套DDC系统，并为每个系统节点合理分配采样率转换倍数。最后，加入CIC补偿滤波器，提高数据传输过程中的精度。实验结果表明，与传统DDC相比，优化后的DDC资源消耗减少，数据精度误差从1.7%减小到0.8%。基本满足功耗低、精度高、稳定运行等要求。

针对彩色图像匹配大多数仅利用图像灰度特征，忽视彩色信息，在颜色相近区域易造成误匹配的问题，引入颜色不变量，提出一种用于彩色图像的颜色尺度不变匹配算法。该算法首先将图像的RGB 颜色模型转换到高斯颜色模型。随后，通过计算颜色不变量代替灰度信息作为输入，建立多尺度空间，并使用SIFT 算法提取特征点，构建特征描述子。最后，选择其中一幅图的特征描述矢量为基准，利用FANN 算法在另一幅图的特征描述矢量中，寻找基准图像特征矢量的最优解即匹配对，从而完成两幅图像的匹配。实验证明，相对于传统的SIFT 图像匹配算法，本文的算法匹配正确率更高，图像匹配质量更好。

常用的图像型火焰探测算法是提取火焰在图像上表现出的单个特征信息或其有效组合作为识别的依据，需要大量的训练样本进行学习与参量优化，且识别率对特征选择的要求也很高.本文从火焰的整体特征考虑,提出了基于颜色模型和稀疏表示模型相结合的图像型火灾探测方法.首先在HIS空间建立颜色模型对火灾图像进行预处理提取出疑似区域，建立稀疏表示模型，并利用主成分分析方法构造火焰和疑似火焰物体的特征字典，最后利用l1-minimization计算测试样本与训练样本的最小逼近残差实现火焰和干扰物体的分类识别.实验结果表明，该方法提高了火灾图像的分类准确度和识别速度，同时具有较高的准确率.