针对红外行人图像中待检测目标存在多尺度及部分遮挡导致传统算法难以准确检测的问题，提出一种动态特征优化机制下的跨尺度红外行人检测算法。为解决复杂环境中行人目标特征难以有效表达进而造成目标检测精度低的问题，提出一种动态特征优化机制，通过设计亮度感知模块及EG-Chimp优化模型在增强输入图像局部对比度的同时抑制背景信息；搭建了CSPDarkNet特征提取网络，并在其基础上构建CSFF-BiFPN特征金字塔结构以及跨尺度特征融合模块，以提高检测网络对多尺度及部分遮挡行人目标的检测精度；为进一步精确定位行人目标，引入CIOU损失函数加速网络收敛，从而提升检测性能。选取9种经典检测算法在KAIST数据集上进行对比测试，实验结果表明，本文算法能够对复杂环境中的多尺度及部分遮挡红外行人目标进行准确检测，检测精度可达90.7%，验证了所提出检测网络的优势。

针对不透明非球面壳体翻转法测量厚度时，被测件翻转前后需要严格控制定中精度的问题，提出一种基于激光干涉的非接触定中测量技术。配合高精度中空气浮转台、调心调平机构，设计并搭建了一套双向激光干涉定中装置，分别采集翻转前后内外表面不同运动姿态的干涉图，并实时分析其动态特征。基于现代光电探测技术，提出对激光干涉条纹进行实时特征提取算法处理，大幅提高了激光干涉条纹的动态识别精度。对定中精度进行理论分析，并在实验中与确定精度的电感测微计比对验证，实验与理论结果一致，证明所提干涉定中装置及实时特征提取算法可以有效提高定中精度，其绝对误差可达0.424 μm。使用所提干涉定中装置和特征提取算法成功测量了不透明非球面壳体翻转前后相对于气浮转台旋转轴的定中偏差，满足定中要求，为翻转法厚度测量精度提供了定位保障，提高了轮廓及厚度测量数据的准确性。