单像素成像技术突破了传统成像中探测器与目标物体之间存在遮挡物无法成像的限制，具有系统简单、成本低廉、宽谱成像等优点，在成像领域迅速获得关注并得到逐步发展。然而，由于其使用无空间分辨率的单点探测器，完美成像需对场景进行与图像像素数量级相当的测量。因此，如何在保证一定成像质量的前提下，大幅度提升其成像速度，成为单像素成像技术走向应用的关键问题之一。为此提出了一种基于变换域自适应降采样的傅里叶单像素成像方法。该方法利用傅里叶变换频谱能量集中的特点，在频域合理规划采样路径；然后，沿规划路径测量谱系数，计算每段采样路径的谱系数方差，并在线进行曲线拟合，当曲线斜率达到人为设定的误差带（或趋近于0）时，采样测量自动停止；最后，对采样测量获得的谱系数矩阵实施傅里叶逆变换重建目标图像。提出方法大幅提高了成像效率。

为了改善计算机断层扫描（CT）影像重建质量不高的问题，提出一种基于残差注意力聚合对偶回归网络（RAADRNet）的超分辨率CT重建方法。多特征下采样提取模块（MFDEB）通过平均池化、最大池化和卷积运算完成多特征下采样提取，在多特征融合后嵌入通道学习注意力（CLA）和空间学习注意力（SLA），同时并入前级融合特征提取图像的浅层特征。CLA、SLA分别引入通道权重特征学习以及激活函数1+tanh（）完成特征提取。残差注意力聚合模块（RAAB）通过CLA嵌入残差网络构成的残差通道学习注意力模块（RCLAB）与SLA构成的空间特征融合模块（SFFB）联合提取图像的深层特征。原始网络在浅层特征与通过亚像素卷积放大的深层特征进行特征融合后完成重建。对偶网络进一步约束重建映射函数的解空间。实验表明，所提算法在重建图像的峰值信噪比（PSNR）和结构相似度（SSIM）上都得到了较好的提升。

针对图像去雾算法效果不佳、处理效率低的问题, 提出图像融合快速去雾算法。首先对原图降采样处理, 减小图像尺寸, 拷贝两份图像, 然后分别转换到HSV色彩空间。针对转换后的第一份图像, 降低v分量, 提高透射率准确度；针对转换后的第二份图像, 对v分量进行自适应处理、对s分量线性拉伸, 提高图像色彩饱和度；接着将处理后的图像转回到RGB色彩空间, 对转换后的第一份图像进行改进的暗通道算法去雾、直方图拉伸。最后对融合后的两份图像重采样。实验结果表明, 去雾后的图像主观上视觉效果好,客观上算法复杂度降低, 峰值信噪比、结构相似性、信息熵、标准差显著提高, 证明算法有效。

为了提高室外场景中车载激光雷达道路不平度信息检测的精度, 采用随机降采样和局部特征聚合的网络结构对道路环境信息进行提取分割。在分割过程中加入随机降采样的方法, 从而提高点云信息的计算效率, 为解决道路环境信息分割过程中关键特征丢失的问题, 加入局部特征聚合器来增加每个3维点云的接受域来保留几何细节。结果表明, 所提出的算法可以准确识别道路环境信息, 对于凸包、凹坑、道路可行驶区域的识别精度分别达到71.87%, 82.71%, 93.01%, 与传统卷积神经网络相比有显著提升。该研究可高效提取道路不平度及道路可行驶区域信息, 从而提高了车辆的主动安全性与平顺性。

现有的印刷电路板（PCB）图像去噪算法在去噪过程中容易导致边缘过度光滑和细节丢失，为了更好地提高PCB图像的去噪效果，提出了一种基于残差学习和图像差分的PCB图像去噪算法。此算法基于残差学习的思想，首先利用图像下采样方法对图像感受野进行扩大；然后设计残差块提取PCB图像噪声特征，并且在残差卷积神经网络元中加入批量归一化和ReLU激活函数，提高去噪效率；最后通过图像差分思想进行噪声去除。实验对比不同的噪声等级下各类算法的去噪性能，结果表明，所提算法在去噪评价指标峰值信噪比（PSNR）和结构相似度（SSIM）上相较于其他算法都有较好的表现。

分析了助听器芯片中Σ-Δ ADC的降采样滤波器、上采样滤波器的原理及实现技术。优化滤波器结构和滤波器系数, 降低了芯片面积。采用可编程配置的滤波器系数, 实现通带平坦度与过渡带带宽、采样率之间的动态切换。采用SMIC 130 nm 1P8M CMOS工艺进行了MPW流片验证。结果表明, 该滤波器可支持16 kHz、32 kHz采样率, 满足不同采样率助听器DSP的需求。级联后滤波器的通带纹波为0.001 dB, 阻带衰减达80 dB, 群延时之和最大值为3.877 ms, 满足助听器信号转换电路的要求。

光学频率梳的输出信号在时域上表现为等间隔排列的超短脉冲序列, 在频域上表现为一系列相位相干的分立谱线,可作为参考标准实现高精度的距离测量, 在科研和工业领域拥有非常广阔的应用前景。文中回顾了近年来光学频率梳高精度测距研究的进展, 对单光梳飞行时间法、双光梳下采样法、色散干涉法等几类典型测距方案的工作原理和代表性结果进行了阐述,并对上述方案的优势、局限性及适用的工作场景进行了分析, 最后介绍了新型双光梳激光器和微腔光学频率梳在测距领域的应用以及对系统性能的提升。

为提高图像在数据集中的检索准确度，设计了基于加权距离与多元极谐变换的图像检索算法。在查询图像的色调－饱和度－亮度(HSV)空间内，提取其颜色特征；并引入贝塞尔K分布与非下采样Shearlet变换(NSST)方法得到查询图像的纹理特征，改善其对模糊与亮度变换等操作的稳健性；借助四元极谐变换(QPHT)机制，将图像的QPHT模系数视为形状特征，提高对噪声与几何变换的鲁棒性。通过融合这3种特征，分别计算查询图像与数据库图像之间对应的特征距离，并赋予三者对应的权重，以测量两幅图像之间的相似度，从而准确输出检索结果。测试数据显示，与当前基于内容的图像检索技术相比，所提算法具备更高的检索准确度和鲁棒性，在多种几何变换攻击下，仍可以准确检索出目标。

针对雾天图像存在信息丢失、区域不清晰以及雾气遮挡等问题,提出了一种基于双边滤波的高斯金字塔变换Retinex图像增强算法,以提高雾天图像的对比度。首先,基于空间域核函数和像素差,建立了改进的双边滤波函数数学模型。然后,将输入图像转换为HSI(Hue,Saturation,Intensity)图像,用改进的双边滤波函数代替原算法中的高斯函数,从亮度图像(I色彩空间)中提取反射分量,以获得保持边缘且不受亮度影响的反射图像。最后,通过高斯金字塔降采样,获取不同尺度的彩色图像,用改进的Retinex算法对多种尺度的图像进行增强,并基于高斯-拉普拉斯算法进行降采样重构,以提高图像的对比度。实验结果表明,本算法能有效增强图像的对比度,且处理后的图像色彩符合人眼观测效果。