针对单独采用SVD或形态学对故障信号降噪效果不理想的问题, 提出一种基于多尺度形态学的SVD降噪方法。首先, 在SVD降噪原理上, 通过循环矩阵法重构矩阵;其次, 针对重构信号矩阵的有效阶次大小会影响消噪效果, 在MMRR奇异值比法基础上, 采用相邻特征极值的比值作为目标函数, 估计有效阶数, 确定奇异值有效数进而还原信号;最后, 设计一种基于多尺度形态学的SVD滤波器, 选择合适的结构元素, 并将形态学的开闭运算进行自适应组合。仿真验证表明,该改进方法可以显著提高信噪比, 有效滤除故障信号中的冲击信号、白噪声等, 较单独的SVD或形态学降噪方法抗噪能力强, 具有一定工程应用价值。

针对奇异值分解降噪过程中采用一般方法构造重构矩阵信号完整度不高的问题, 提出一种基于循环矩阵方法来构造重构矩阵的新方法。该方法利用循环矩阵在构造重构矩阵时能够较好地保留原始信号信息的特性, 对循环矩阵奇异值分解, 进而有效确定矩阵的有效重构阶次, 达到降噪目的。仿真结果表明, 该方法相比于其他方法具有较高的降噪精度和抗噪声能力, 提高了算法的实用性。

为了实现对两幅图像进行同步加密, 降低传输负载并提高密文的抗明文攻击能力, 提出了离散分数阶随机变换与加权像素混沌置乱的双图像加密算法。将2个分阶参数引入到Tent映射中, 设计了新的Tent映射; 根据明文像素值, 构建加权像素直方图模型, 联合位外部密钥, 生成改进的Tent映射的初值; 再利用初值对分数阶Tent映射进行迭代, 输出2组随机序列, 对2幅明文进行位置交叉混淆, 获取2个置乱密文; 基于DWT(discrete wavelet transform)技术, 对2个置乱密文进行稀疏表示; 根据混沌序列, 定义随机循环矩阵, 联合稀疏表示, 获取2个置乱密文对应的测量矩阵。根据随机掩码与调制相位掩码, 建立数据融合模型, 将2个测量矩阵组合为复合矩阵; 基于离散分数阶随机变换, 对复合图像进行扩散, 获取密文。测试数据显示: 与已有的多图像加密方案相比, 该算法的抗明文攻击能力与用户响应值更理想, 密文的NPCR、UACI值分别达到了99.83%、34.57%。该算法具有较高的加密安全性, 能够有效抵御网络中的外来攻击, 确保图像安全传输。

基于循环矩阵结构(CSK)的跟踪算法只适用于跟踪尺度固定不变的目标，为此，提出了一种基于分块的尺度自适应CSK刚体目标跟踪算法。利用各分块的空间结构推导出分块位置与目标尺度之间的内在关系，然后对各分块的跟踪结果进行置信度评价，选取高置信度的结果进行综合，有效估计目标的尺度和位置，提高了算法在遮挡、背景干扰等情况下的鲁棒性。对典型视频序列的对比试验表明，所提算法不仅能够实时跟踪目标的尺度变化，跟踪的精度和鲁棒性也明显高于原始CSK算法。

针对块循环测量矩阵应用于遥感压缩成像存在图像重构性能不理想的问题, 本文把粒子群智能优化算法引入到块循环矩阵优化中, 实现了在保持矩阵结构不变的同时对块循环矩阵的优化。首先以相关系数的Welch界为阈值约束Gram矩阵非对角元素构造目标矩阵; 然后以Gram矩阵逼近目标矩阵的方式建立目标函数, 将优化对象改为构造块循环矩阵的自由元向量。为提高优化效率, 文中采用权重自适应更新的方式提高粒子搜索能力。开展了相关重构对比实验, 结果表明, 优化后的块循环测量矩阵在保持矩阵结构的同时, 降低了与稀疏变换矩阵的相关性, 其与稀疏变换矩阵的最大相关系数、平均相关系数和阈值平均相关系数分别降低了0.027 3、0.017 5和0.004 6, 得到的结果显示优化的块循环矩阵提高了图像的重构性能。

系统信噪比一直是制约激光探测**性能的关键性因素之一。为提高系统探测信噪比，利用阿达玛变换方法，在计算模板大小(17．48×17．48mm)和码元数N=255的基础上，详细介绍了Sn循环矩阵的生成，最后选择液晶空间光调制器充当编码模板。通过在液晶面板上不同位置施加不同的电压，利用旋光效应对通过的激光衍射条纹进行控制，按其通过与否(1／0)进行编码。在这一方法指导下进行了系统的仿真实验研究并获得成功。实验结果表明：将阿达玛变换应用于激光光谱测量，在不增加测量次数的情况下，可以有效地提高系统的信噪比。

根据阿达玛变换原理，计算了编码模板大小和码元数，详细介绍了Sn循环矩阵的生成，最后选择数字微镜阵列充当编码模板，并进行了仿真实验研究。实验结果表明，将阿达玛变换应用于激光光谱测量，在不增加测量次数的情况下，可以有效地提高系统的信噪比。

The key to the restoration of rotational motion blurred image is how to restore the image under a low cost and to correct the irreversibility of the degradation function matrix. Based on the special qualities of degradation function matrix and precise deduction in space-domain, we present a new approach using gradient-loading for restoration of rotational blurred image. By easily adding a gradient operator, the irreversibility of the original matrix is corrected and can be applied for inverse filtering then. Gradient-loading is the optimized approach which combines the advantages of both the approaches using constrained least square filtering and traditional diagonal-loading. Compared with the approach using least square filtering, its peak signal-to-noise ratio (PSNR) is improved from 3.18 to 6.46 dB, while the computing time is reduced to 1/2-1/3. Experimental results demonstrate the effectiveness, noise-resistibility, robustness, and low complexity of this approach, which make it more suitable for real-time environment.