在彩色相位测量轮廓术中,光电器件多个光通道之间的颜色串扰、强度响应不均等因素的影响,使得所获取的相移条纹图像失真,因此采用传统的相位技术求解相位会产生极大的相位误差。从彩色条纹图像的数学模型出发,分析了彩色成像器件所获取的红绿蓝三通道条纹图像特性,提出一种两步校正方法:第一步是基于三通道均值及标准差实现对各颜色通道图像强度的归一化处理;第二步是使用概率密度函数曲线搜索失真后的实际相移量,抑制相移量不准确对测量结果的影响。所提方法不需要对系统的耦合系数和相移偏移量进行预校正,可实现简便、快速的相位误差补偿。模拟及实验结果验证了该方法的有效性。

针对许多应用领域内所存在的低照度图像, 提出了一种基于量子行为粒子群优化的低照度图像增强方法。该方法提取低照度图像的非纹理区域, 在图像增强过程中限制非纹理区域的灰度范围, 从而抑制伪影现象。在直方图均衡化处理中设计了分级概率密度函数, 并运用改进的量子行为粒子群优化算法对分级概率密度函数的参数进行优化。最终在典型的低照度图像上完成了验证实验, 结果表明该方法不仅提高了图像的对比度, 同时也增强了图像的细节信息与视觉质量。

激光探测对于获取云和气溶胶的垂直廓线, 研究大气中云和气溶胶的垂直分布特征以及对全球气候变化的影响意义重大。 而星载大气激光雷达云气溶胶分类算法的研究, 对于激光雷达数据的参数反演及应用极为重要。 针对激光条件下探测的云和气溶胶特有的光学信息和空间分布, 结合概率统计与机器学习算法, 提出了一种对于云/气溶胶、 云相态及气溶胶子类型识别的分类算法, 实现了星载激光雷达的大气特征层快速、 有效分类。 算法采用中国地区2016年CALIOP的观测数据作为样本数据, 主要由三部分组成: (1) 基于激光探测的云和气溶胶层不同的光学特性以及地理空间分布特征, 分别构建了云和气溶胶的γ532, χ, δ, Z和lat的五维概率密度函数, 以此为基础构建云气溶胶的分类置信函数, 并基于此实现了云和气溶胶类型的反演; (2) 选取支持向量机(SVM)作为随机朝向冰晶粒子(ROI)和水云分类的算法模型基础, 结合云层的γ532, χ, δ Z和云顶温度T的概率密度函数构建ROI, 水平朝向冰晶粒子(HOI)和水云的分类置信函数以修正SVM误分的特征层以及筛选出水云中少部分的HOI冰云, 获得云相态的分类结果; (3) 以各气溶胶子类型的光学以及空间分布特性为基础, 采用决策树策略的气溶胶子类型识别算法实现了对气溶胶子类型的区分, 完成气溶胶子类型的识别。 利用现有CALIOP观测结果作为样本数据构建分类数据库, 避免了对于地面以及航测数据的依赖, 而机器学习则大大简化了算法的实现过程, 使得云气溶胶分类更加高效。 算法结果与正交极化云气溶胶激光雷达垂直特征层分布数据(CALIPSO VFM)产品对比分析: 云层有98.51%一致性, 气溶胶有88.43%的一致性, 且白天比夜间一致性高。 对于云相态分类, 可以有效区分出水云和冰云, 其中二者水云一致性高达93.44%。 在气溶胶子类型反演结果中, 可以准确识别出大多数气溶胶特征层子类型。 霾、 沙尘以及晴空三种典型情况下的反演结果均与CALIOP VFM产品数据具有较好的一致性。 其中, 霾天的大部分煤烟型以及污染型(污染沙尘以及污染大陆) 气溶胶反演结果与VFM具有较好的一致性。 沙尘天也能够获得较好的沙尘以及污染沙尘的结果。 晴空为数不多的气溶胶层也取得了较为一致的结果。 对于实现的星载大气激光雷达特征层分类算法, 针对CALIOP激光测量的云气溶胶层的分类进行了重要的改进, 在保证一定精度的基础上, 简化了算法, 提高了数据处理的效率, 在下一步工作中, 将分别构建不同时段和季节的分类模型以及提高两种不同偏振特性的冰云和气溶胶子类型的分类精度。

利用柔性屏蔽材料不平整性使屏蔽腔内场环境易于满足各向同性、均匀分布、随机极化统计特征的特点，研究了三种不同柔性屏蔽材料搭建的模式搅拌混响室的可行性。在Z字形搅拌器的作用下通过测量得到低频场均匀性和高频归一化电场的概率密度函数，根据IEC 61000-4-21-2011标准和理想混响室模型验证了所搭建混响室的有效性。在此基础之上，通过实验测量分析了搅拌器转速、天线高度、天线位置对归一化电场概率密度函数(PDF)的影响，并利用所搭建混响室对加载开孔电大金属腔的电磁屏蔽效能进行了测试。研究结果表明利用柔性屏蔽材料搭建混响室具有较好的可行性。

波门是激光制导中广泛采用的一种抗干扰措施，其对干扰信号录取概率的大小对干扰成功与否非常关键。依据制导信号与干扰信号在波门内既相互联系又相互独立的特点，提出可用干扰信号与制导信号的联合概率密度函数描述干扰条件下波门对激光信号的录取，同时需要考虑干扰信号对实时波门的牵引作用。运用Matlab软件仿真了不同宽度的实时波门录取干扰信号的概率与超前同步时间的关系，表明对宽度一定的实时波门存在一个最佳的超前同步时间；超前同步时间为零时，波门录取干扰信号的概率接近于0.5，而不是接近于1；波门越宽、干扰设备的时间精度越高，干扰信号就越容易被波门录取；波门受到牵引后其对干扰信号的录取概率增加，而波门宽度的影响不大。在此基础上，用Monte-Carlo法对一次制导过程中波门对制导信号与干扰信号的录取以及多次制导中导引头跟踪真假目标的结果作了模拟，这可为建立对激光半主动制导**干扰效能评估系统打下基础。

相干测风激光雷达中一个核心的问题是从微弱的气溶胶后向散射信号中估计出风速.基于零均值复高斯随机过程协方差矩阵统计模型的后向散射信号,首先讨论了最大似然(ML)离散谱峰值(DSP)风速估计算法的克拉美-罗下界(CRLB)与由Fisher信息矩阵论得到的精确CRLB之间的关系.其次,对于ML DSP估计应用于相干测风激光雷达中协方差矩阵统计模型的后向散射信号时,使用计算机Monte Carlo仿真的方法研究了风速估计的概率密度函数.分别讨论了信噪比、激光脉冲累积发数和发射激光脉冲宽度对ML DSP风速估计性能的影响.计算仿真结果表明:ML DSP风速估计的CRLB低于精确的CRLB;在信噪比为-20 dB,100发激光脉冲累积和信噪比为-30 dB,10 000发激光脉冲累积条件下,ML DSP风速估计中“坏”的估计值所占的比例都为0,“好”的估计值的标准差分别为0.62 m/s和0.50 m/s.

为了提高大脑磁共振图像的分割精度, 提出了一种新的图像分割算法。首先, 分析了常用于大脑磁共振图像分割的高斯混合模型和主动轮廓模型的优缺点, 联合高斯混合模型的概率密度函数和主动轮廓模型的能量函数构造了一个新的能量函数。然后, 利用遗传算法和最大期望算法获取概率密度函数的参数值。最后, 利用水平集方法和梯度下降流法, 对获得的能量函数进行最小化, 从而得到最终的分割结果。与传统方法相比, 本文算法对脑组织中的白质和灰质的分割精度分别提高了6.73%和14.07%。该算法利用像素点的区域信息和概率值驱动主动轮廓曲线的演化, 能有效区分具有相近灰度值的不同区域, 从而提高了大脑磁共振图像的分割精度。

为研究高速摄影中激光相干噪声的影响因素,降低激光照明中散斑噪声对高速摄影成像质量的影响,对激光照射表面的粗糙程度与形成的散斑场统计特性之间的关系进行了研究。基于菲涅尔-基尔霍夫衍射原理,分析了高斯光束入射在随机粗糙表面上经反射形成的散斑图样,通过对大量散斑图样的数据统计,得出了激光散斑的信噪比、自相关函数、概率密度函数与入射表面粗糙度之间的变化关系。计算结果表明: 粗糙度的增大使散斑场信噪比降低、相干程度减小、概率密度降低,即表面越粗糙散斑噪声越严重。

针对空中观测平台对地面辐射源目标定位得到多个定位点的问题，提出了基于概率密度函数的定位点融合算法。在分析最大似然估计法的基础上，提出了概率密度函数求和法和修正最大似然估计法两种融合算法，通过概率密度函数相加求和与数据窗口选择，实现对辐射源多次定位点的融合，提高了定位精度。算法解决了个别定位点误差过大以及多个辐射源同时存在且其定位点不可区分时的融合问题。仿真实验结果表明，该方法可以有效融合多辐射源定位点，提高定位的精度，并且概率密度函数求和法融合性能更为稳健。