利用传统的暹罗网络跟踪算法进行目标跟踪时, 目标位置远离特征图中目标的中心位置会降低跟踪性能指标, 使得跟踪效果不佳。针对该问题, 提出了一种改进的暹罗自适应网络(SiamBAN)算法, 即引入中心预测网络来判断特征图上目标位置与目标中心点的距离, 两者间的距离越大, 中心度得分越低, 改进算法去除响应异常值的能力越强。通过OTB100, VOT2016和VOT2018数据集将改进的SiamBAN算法与主流跟踪算法进行对比分析, 结果表明, 改进的SiamBAN算法能有效抑制响应图中的异常值, 显著提高跟踪性能指标。

针对熔深间接测量方法测量精度低的问题，基于光学相干层析（OCT）的激光焊接熔深监测方法通过直接测量熔池小孔深度，实现在线质量监测。该方法基于低相干干涉精密测距原理，将测量光束与焊接光束同轴，具有测量精度高、抗干扰能力强的优点。搭建了基于谱域OCT（SD-OCT）的激光焊接熔深测量系统，在深熔焊条件下测量了熔池小孔深度，并应用百分位滤波算法从测量数据中提取出熔深曲线。针对百分位滤波算法的熔深提取精度受限于OCT测量数据噪声点和该算法需要根据焊接工况来调整滤波参数等问题，提出了一种基于局部离群因子（LOF）和最大值滤波的OCT熔深提取方法，通过与焊缝纵切面的熔深曲线对比发现，熔深提取精度最大提升了32%。实验结果表明，所提方法可有效提高熔深提取精度，且不需要调整算法滤波参数，适用性更强。

遥感影像特征匹配中，仅采用特征描述符相似性度量导致存在大量的外点，需对初始匹配结果进行可靠外点去除，提升特征匹配及变换参数估计的准确性。针对该问题，提出了一种拓扑结构引导的简单有效的遥感影像特征匹配外点去除算法。首先，充分挖掘匹配点对的潜在拓扑几何约束关系，设计了局部及全局外点过滤策略。利用对应点对邻域一致性，即正确匹配点对的邻域点对满足集中对应，通过一次局部过滤，剔除所有不满足该条件的外点。进而，通过随机采样假设验证，利用空间顺序约束及仿射面积比约束进行全局过滤。然后，利用局部优化策略对获得的最大一致内点集合进行修正，实现对几何变换参数的准确估计和可靠的外点去除。最后，采用空间网格划分方法进行模型细化与匹配点对增量，进一步提升了遥感影像匹配性能。实验结果证明，与7种主流外点去除方法（NBCS、LPM、LLT、VFC、GMT、SOCBV、RANSAC）相比，所提算法性能更优，尤其对于复杂条件包括低内点率、较大尺度及视点变化等情况，可以获得更加稳定的匹配精度。

密集假目标干扰(DFJ)由截获全脉冲雷达信号生成,连续复制转发可有效压制雷达系统。分析了DFJ干扰特性,设计二维精简分数阶傅里叶变换(2D-RFRFT)。在此基础上,以自卫式干扰下线性调频相参雷达抗DFJ为背景,提出基于2D-RFRFT的密集假目标干扰自适应抑制算法; 根据真实回波和干扰信号2D-RFRFT分布差异,引入中位数绝对偏差鲁棒统计量识别剔除干扰离群点; 通过进一步阶次调整,抑制干扰的同时实现瞬时机动目标检测。仿真试验验证了所提回波处理工具和干扰抑制算法的可行性和有效性。

三维多孔结构是内窥镜在医疗外科手术和工业检查领域常见的一种场景, 然而内窥镜成像分辨率低, 其应用场景纹理特征弱、噪声大, 这导致应用传统的从运动中恢复结构(SFM)算法进行多孔结构的三维重建和定位难度大, 可行性低。为此, 本文提出了一种面向低分辨率单目内窥镜图像序列的三维多孔结构重建方法。首先将基于加权引导滤波的图像增强算法应用于内窥镜图像纹理细节的提升; 接着利用快速行进(FMM)算法去除漂浮杂质; 然后提出了一种检测离群点对的方法用于优化特征点匹配结果, 通过SFM计算获得稀疏点云; 最后针对本文研究的多孔结构, 提出了一种基于模板匹配和最小二乘拟合的孔洞三维结构提取方法。实验结果表明: 多孔球面上的重建结果中孔间距和孔直径的相对误差均小于10%, 真实肾结石手术场景上的重建与实际相符, 验证了本文整体算法流程的有效性、准确性和可行性。

LAMOST一期巡天成功获取河外星系光谱超过150 000条, 大样本光谱数据为探索奇异、 稀有的天体从而完善现有的天体演化理论提供了必要的数据条件; 而先进的信息技术为从海量的数据中挖掘这些珍稀样本提供了有效途径。 针对采用基于DoPS的数据挖掘方法, 从LAMOST DR5星系光谱数据获得的离群数据挖掘结果中, 呈现出疑似P-Cygni轮廓特征的光谱J152238.11+333136.1进行了深入讨论。 首先针对该光谱的基本信息、 疑似P-Cygni轮廓特征以及相应的离群数据挖掘方法进行了简要表述, 光谱在Hβ和［OⅢ］λ4860处呈现P-Cygni轮廓, 在NeⅢλ3869和HeⅠλ5874处呈现反P-Cygni轮廓; 其次, 对该特征的真实性及其生成机制从以下4个角度展开讨论。 (1)交叉同源观测。 Sloan巡天2004年(相差11年)的同源观测, 其光谱上并未呈现对应的特征, 据推测可能是正在进行的演化活动或者光纤定位误差所致; (2)通过分析光谱质量、 减天光残差等方法, 分析P-Cygni特征是否为观测或数据处理所致。 NeⅢλ3869和HeⅠλ5874处呈现反P-Cygni轮廓可信度较低; 同时, 通过比较目标光谱与超级天光, 以及相邻光纤观测到的光谱在对应波长处的光谱特征, 说明存在 P-Cygni轮廓为减天光过程导致的可能性; (3)光谱子型差异。 IRAS和WISE等近红外同源观测, 显示其为Seyfert 2型星系, 光学波段发射线强比［NⅡ］/Hα, ［OⅢ］/Hβ显示其为HⅡ区, 结合光学、 红外测光图像特征, 推测目标可能是两个星系进行并合活动; (4)从导致P-Cygni轮廓的物理机制的角度, 分析了由星系并合触发外流、 由恒星形成(爆发)电离气体触发的外流以及由Wolf-Rayet特征星系的超星风等原因引起的可能性。

星图信噪比是影响星敏感器拍摄星图中星点提取精度的重要因素。软阈值等去噪方法在处理近地面全天时星图时其阈值选取问题引起的噪声残留会影响星点质心的提取精度。针对这一问题,提出一种加权局部异常因子(LOF)的近地全天时星图小波去噪方法。该方法将局部异常因子算法应用于星图的小波去噪中,实现了不依赖阈值的近地全天时星图去噪。以地面真实拍摄的星图作为原始数据,使用峰值信噪比(PSNR)及局部峰值相对误差(LPVRE)对不同去噪方法处理后的星图去噪效果进行对比分析。实验结果表明,本文方法相较传统均值滤波和小波阈值去噪,提高了峰值信噪比,降低了局部峰值相对误差,能较好地去除背景噪声并较好地保留目标信息。

单目位姿估计是计算机视觉中一个基础而重要的问题,在机器人定位、虚拟现实、图像精密测量等领域应用广泛。在实际应用中,参考点坐标不可避免地含有粗差点,导致估计结果偏离真值,为此,提出自适应加权的稳健正交迭代算法。该算法采用稳健估计方法自动识别粗差点,并赋予其较小权值,以提高算法的稳健性。实验结果表明,稳健正交迭代算法求解精度高、稳健性好,可有效抑制不同个数、不同水平的粗差影响。当20个观测点中存在8个水平为60 pixel的粗差点时,本文解算精度分别比经典正交迭代算法和加权正交迭代算法高2个和1个数量级。

特殊恒星是金属丰度异常的恒星, 其中包含的信息对于研究宇宙起源、 太阳系的演变以及生命的演化都有着重要的意义。 因此, 特殊恒星的搜寻是国内外巡天项目中的重要目标。 恒星光谱中包含着恒星的化学成分、 物理性质以及运动状态等丰富的信息, 它是开展恒星研究的重要依据。 恒星的识别、 分类以及特殊恒星的发现主要依据的是恒星光谱数据。 随着LAMOST和SDSS等国内外大规模数字巡天项目的深入展开, 恒星光谱的数据量达到了前所未有的高度, 如此大的数据量为特殊恒星的发现提供了强有力的支撑。 因此如何利用这些数据快速准确地发现特殊、 稀少甚至于未知类型的恒星光谱是天文学研究的重要问题。 数据挖掘是结合模式识别、 机器学习、 统计分析及相关专家背景知识, 从数据中提取出隐含的过去未知的有价值的潜在信息的技术, 其在处理大数据方面有着天然的优势, 越来越多的数据挖掘方法被应用到巡天数据处理及分析之中。 目前针对特殊恒星搜寻的数据挖掘算法主要包含随机森林、 聚类分析以及异常值检测等, 但随着巡天深度的拓展, 观测的目标越来越暗, 进而观测光谱的信噪比也随之变低。 低信噪比光谱中存在着大量的无用信息, 直接利用相关算法对其进行分析处理得到的结果往往存在很大的偏差。 因此, 如何从大量低信噪比恒星光谱巡天数据中有效地搜寻出特殊的恒星光谱, 是当前面临的一个重要问题。 由于低信噪比恒星光谱本身的特点, 对于从中搜寻特殊恒星光谱的工作开展较少。 为了解决此问题, 在仔细研究光谱数据处理方法的基础上, 针对低信噪比巡天数据中特殊恒星光谱的搜寻, 提出了一种以主成分分析(PCA) 和基于密度峰值聚类为基础的方法。 该方法首先选取O, B, A, F, G, K和M各种类型的高信噪比恒星光谱, 进行波长统一和流量插值后, 利用主成分分析得到特征光谱; 然后利用方差贡献率最大的前几个特征光谱对低信噪比的恒星光谱进行重构得到高信噪比的光谱; 最后利用重构之后的高信噪比光谱进行聚类, 聚类分析中得到的离群数据即为所要搜寻的特殊恒星光谱。 在聚类时, 考虑到恒星光谱数据本身的特点, 采用了一种基于密度峰值的聚类方法来进行聚类及离群点的挖掘。 实验表明, 该方法能够在低信噪比的恒星光谱巡天数据中准确地搜寻出数量相对较少的特殊恒星。 同时, 也可应用于诸如LAMOST、 SDSS等各种银河系巡天的光谱数据分析与挖掘中。