零差混频系统（Homodyne mixing system）对太赫兹超导动态电感探测器（Kinetic inductance detectors，KIDs）性能表征具有重要的作用。然而，零差混频系统仍存在混频器不平衡性、测量系统集成、干扰信号等问题。作者设计新型的单通道零差混频硬件系统，结合软件算法实现了测量系统的集成化、IQ混频器不平衡性校准、KID的性能表征；同时实现了在VNA（vector network analyzer）CW模式下的KIDs噪声测量；以及基于自相关算法的双通道零差混频硬件电路设计，有效的抑制了干扰信号。值得注意的是，这些研究成果被应用于表征KIDs 性能，对KIDs阵列设计起到了重要的作用。

只有基于准确的地表温度反演算法计算出的产品数据，才能正确推广使用。研究基于Landsat-8、Landsat-9和气象站数据，对比了5种常用地表温度反演算法的结果，并对不同算法的反演结果和参数灵敏度进行了测试。结果表明：基于地表比辐射率参数计算的辐射传输方程和单通道算法反演结果与地面实测数据吻合较好。基于大气水汽参数计算的单窗算法和劈窗算法的反演结果均高于实测温度。基于平均温度参数计算的单窗算法反演精度误差较大。此外，比较了两种遥感数据在不同地物上反演温度的一致性。研究结果可为地表温度反演和产品选择提供参考。

1.27 μm波段O₂（a¹?_g）气辉的辐射强度高、自吸收效应弱，是反演临近空间大气温度的理想目标源。基于O₂分子气辉光谱理论以及“剥洋葱”算法，利用扫描成像大气吸收光谱仪（SCIAMACHY）的近红外临边观测数据，成功反演50~100 km区域的大气温度廓线。与SABER、ACE-FTS及激光雷达的观测结果对比表明，在55~85 km的切线高度范围内温度测量误差优于±10 K，而在55 km以下与85 km以上空间区域，由于受到自吸收效应、大气散射以及OH气辉的光谱污染等干扰，温度反演结果出现显著偏差。

针对传统SIFT匹配算法复杂、特征冗余点多、难以满足实时性等问题，本文提出了一种具有局部自适应阈值的SIFT快速图像匹配算法。首先，所提方法在SIFT算法的基础上，对构建的高斯金字塔进行了优化，通过减少金字塔层数来消除冗余特征点以提高检测效率，并根据图像局部对比度来自适应提取FAST算法中的阈值从而实现高质量的特征点检测，筛选出鲁棒性较强的特征点进行更准确的匹配；其次，采用高斯圆形窗口建立32维降维特征向量，提高算法运行效率；最后，根据匹配特征点对之间的几何一致性对特征点进行提纯，有效减少误匹配。实验结果表明，本文方法在匹配精度和运算效率方面的综合表现均优于SIFT算法及其他对比匹配算法，相比传统的SIFT算法，匹配精度提高了约10%，算法运行时间缩短了约49%。在图像发生尺度、旋转以及光照变化的情况下，正确匹配率在93%以上。

针对雾霾天气下车牌识别存在的精确度低、漏检等问题，提出了一种基于深度学习的雾霾天气下的车牌号码识别方法。首先用AOD-Net算法对车辆图像进行去雾预处理。然后，基于YOLOv5网络设计一种车牌检测网络ACG_YOLOv5s。ACG_YOLOv5s是在YOLOv5s网络的基础上，融入CBAM注意力机制，提高模型的抗干扰能力；引入自适应特征融合网络ASFF，根据模型自适应学习到的权重赋予网络不同特征层不同比重的权值，从而突出重要特征信息；使用Ghost卷积模块替换传统卷积，在保证模型效果的同时减少了网络训练过程中的参数量。最后通过LPRNet对检测到的车牌图像进行识别。实验结果表明，改进后的ACG_YOLOv5s网络车牌检测准确率达到99.6%，LPRNet识别准确率达96%且内存占比小。实验证明AOD-Net算法和YOLO算法结合可更加有效地检测雾霾天气下车牌图像中的车牌号码。

针对多避雷针系统接闪器布设过于依赖工程经验的问题，基于最小成本原则，以多接闪器的高度和安装位置为优化变量，建立了多避雷针系统接闪器布设的优化模型，提出了基于遗传算法的多避雷针系统接闪器布设优化方法，通过典型设计案例对所提优化设计方法的有效性进行了验证。结果表明：该方法对多接闪器位置和高度优化设计的偏差不大于0.29 m；在该方法获得的接闪器位置和高度最优解条件下，预设的防护对象能够完全处于避雷针系统的保护范围之内，且防护对象与保护范围边界的最小间距不大于0.71 m，能够完全满足工程使用的需求。

在QFN芯片封装缺陷检测中，增加图像分割环节可有效提高缺陷检测准确性与检测效率。针对图像分割中传统算法效率低、智能优化算法分割精度低稳定性差的问题，本文提出一种基于改进灰狼优化算法（IGWO）的图像多阈值分割方法。首先，改进原始灰狼优化算法非线性因子，平衡算法搜索效率与挖掘能力；其次，引入反向学习策略提高种群整体质量，引入正弦函数、调整头狼权重以改进灰狼更新策略，增强算法多样性与挖掘能力；然后，提出头狼靠拢与种群变异交替进行的位置更新策略，平衡算法收敛性能与跳出局部最优能力；最后，以Kapur熵为适应度函数，求解最优分割阈值。将本文提出的改进灰狼优化算法的多阈值图像分割方法，与灰狼优化算法（GWO）、基于翻筋斗觅食策略的灰狼优化算法（DSF-GWO）、基于莱维飞行的樽海鞘群优化算法（LSSA）、改进北方苍鹰算法（INGO）的图像分割方法进行实验对比，结果表明：本文方法在分割用时方面，约为DSF-GWO的1/2，INGO的1/4；在分割精度与稳定性方面，在进行QFN芯片缺陷图像的连续30次分割时，本文方法具有最大Kapur熵平均值、最小标准差与最短分割时间。因此本文方法可实现高精度、高稳定性与高效率的QFN芯片图像多阈值分割。

为了解决结构光三维重建中传统立体匹配存在的特征点匹配错误、匹配缺失和匹配重复等问题，本文将SURF算法中高斯滤波改进为自适应中值滤波结合小波变换，并提出了一种基于OKG算法的二次特征匹配方法。该算法首先使用自适应中值滤波结合小波变换算法对图像进行平滑和降噪处理，再进行初步特征点提取和匹配，然后将构建的尺度空间划分成多个网格，在每个网格内使用FAST算法提取尺度空间特征点，使用ORB算子提取左右图像的特征点，用BRIEF描述子对其进行描述，采用K-D树最近邻搜索法限制特征点选取，通过GMS算法剔除误匹配点。最后，将本文SURF-OKG算法与传统特征匹配算法进行对比分析，并对阶梯块进行三维重建来验证本文算法的有效性。实验结果表明：SURF-OKG算法的正确匹配率为92.47%；对阶梯宽度为40 mm，精度为0.02 mm的阶梯块进行三维重建，实验测得阶梯宽度的误差均值为1.312 mm，最大误差值不超过1.72 mm，基本满足结构光三维重建系统的实验要求。