三维重建是层析粒子图像测速（PIV）中重要的一步，重建过程中的权重系数计算通常较为繁琐。基于此，提出一种层析PIV快速权重计算方法——正向投影面积（FPA）法，即将离散体素投影在相应像元上的面积作为权重系数计算的方法。首先，基于针孔相机模型构建三维空间内粒子多视角投影成像仿真程序，生成仿真图片用于方法分析与验证；其次，将FPA方法结合目前主流重建算法开展三维重建精度和耗时分析。结果表明，当用于本研究所述测量区域重建时，相比于传统后向方法与亚网格法权重系数计算方法，FPA法的权重矩阵元素个数分别降低了大约3个和1个数量级，计算时间分别减少了97%与85%，相应地降低了计算机的内存占用，且FPA法与传统后向方法所计算的权重矩阵的平均相似度高于0.9974。在常用实验粒子数分数（p_ppp=0.05）下，该方法结合目前主流重建算法的重建精度可达0.8以上。同时基于仿真图片分析了相机最佳采集角度以及实验相机噪声对重建结果的影响，结果表明，在实验噪声条件下重建结果仍然满足三维流场重建的要求。

夜间有雾环境中拍摄的图片具有光照不均、对比度低且模糊的现象。本文通过分析夜间有雾图像的成像特点, 提出一种有效的夜间图像去雾方法。首先, 在估计大气光时使用加权差分图像作为参考进行引导滤波来估计含轮廓信息的大气光; 使用拉普拉斯锐化灰度图像作为参考引导滤波来估计补充细节的大气光, 然后将算出的两种大气光融合得到最终的大气光。最后, 基于广泛使用的雾霾场景成像模型, 本文算法结合暗通道和亮通道构建了双通道联合优化的透射率函数, 在计算透射率的过程中加入了自适应权重系数、限制对比度自适应直方图均衡化和引导滤波来提高透射率函数的精度。实验结果表明, 在测试图片上计算的信息熵平均值为7.587 2, 对比度均值为23.809 7, 和对比算法相比均有一定提升。所提算法去雾结果视觉效果良好, 在去雾的同时可以有效减少细节的损失。

为了克服迭代最近点(ICP)算法鲁棒性差、配准精度低的问题,提出了一种改进的基于快速点特征直方图(FPFH)的ICP点云配准算法。首先,基于改进内部形态描述子和法向矢量角的变化来提取点云特征;其次,使用指数函数优化欧氏距离,并将优化的欧氏距离作为FPFH算法的权重系数,用于特征点描述,从而保证利用初始对齐估计得到更准确的点云位置;然后使用双重约束和单位四元数算法完成初始配准;最后,给ICP算法构建双向k维树,并使用点对的欧氏距离与最大欧氏距离的比值来计算每个点对的权重,将权重作为ICP迭代误差函数的加权系数,以减少迭代时间并减少不良对应关系在配准中的影响。实验结果表明,本文算法的配准精度较ICP算法提高2~6个量级,并且具有更强的鲁棒性。

由于制造工艺的限制,RGB-Delta结构主动阵列有机发光二极管(AMOLED)子像素排列不规则,三基色子像素呈三角形分布,且每个像素单元由两个子像素构成,因此无法正常显示RGB图像。为了解决这一问题,本文通过分析RGB-Delta结构AMOLED子像素排列的特点,提出渲染单元内子像素的共用原则及方式,计算某一子像素与共用子像素在原图像中对应的灰阶差值,并提出基于阈值比较方法来计算最佳渲染权重系数,从而由原图像的像素灰阶值权重求和得到虚拟像素灰阶值。对算法进行随机图像测试,结果表明,处理后图像与原图像的均方误差平均值为4.68×10 -5,峰值信噪比平均值为40.45 dB。同时还对该算法进行了点屏显示验证,测试内容包括文字、线条等高频图像。本文算法在色彩不失真和有效控制彩边效应的情况下,较好地还原了图像信息。

为提高地物光谱模拟精度, 建立地表混合光谱模型, 利用ASD FieldSpec3 Hi-Res便携式地物光谱仪和地物多角度二向性反射平台, 设计试验探测不同角度下的不同叶片覆盖面积的混合光谱。 以等距离/等面积模型为理论基础, 将模型中二维权重系数变化规律扩展到三维空间权重系数变化中, 考虑探测方向倾斜时探测区域权重系数的变化, 提出新的考虑几何角度的三维权重模型对混合光谱进行模拟, 并与实测混合光谱对比分析。 分析结果表明, 相比于等距离/等面积模型, 三维权重模型对探测区域进行了细分, 提高了权重系数计算精度, 模拟的混合光谱误差更小, 特别是在探测角度有倾斜时, 模拟的效果更明显, 均方根误差平均降低了0.016 1, 光谱角误差平均降低了0.07。 三维权重模型考虑了探测角度对权重系数的影响, 提高了光谱模拟的精度, 为地表模型的建立及卫星数据混合光谱分解的应用提供新的理论基础。

针对多角度动态光散射测量技术中通过Mie散射光强计算的角度权重估计方法存在信息利用率与抗噪性之间的矛盾, 提出利用每一角度所有粒度的整体Mie散射空间特征进行角度加权和利用每一粒度对应Mie散射光的细节特征对核矩阵做元素加权的复合角度加权方法, 并结合正则化方法进行了模拟和实测的多角度动态光散射数据反演.与采用光强比值法和光强均值法的反演结果比较表明, 多角度动态光散射反演结果与角度加权方法密切相关.无噪声影响时, 光强比值法和复合角度加权法都能得到准确的颗粒粒度分布, 但光强均值法信息利用率不高; 随着噪声水平的提高, 光强比值法反演结果急剧变差, 表现出较低的抗噪性能.复合角度加权方法通过兼顾信息利用率和抗噪性能, 使得增加散射角时信息增多的优势得以更好地显现, 并且有效地抑制了角度增多带来的噪声影响.该加权方法显著提高了多角度动态光散射进行颗粒测量, 特别是对多峰分布颗粒体系测量的准确性.

为了实现Horn-Schunck光流法权重系数的自适应设定与更新, 研究了权重系数对Horn-Schunck光流法的影响规律, 提出一种融合模糊C均值(FCM)聚类的权重系数自适应Horn-Schunck光流法。首先, 统计不同权重系数下运动目标检测的光流总值变化曲线。然后, 以光流总值的最优化为依据, 结合两层模糊C均值(FCM)聚类寻找最优权重和基于固定迭代次数Horn-Schunck光流法的收敛点, 从而自适应地获取最优权重系数, 并将收敛阈值的人工设定转化为光流值的自动寻优。最后, 通过标准视频序列进行测试以验证算法的有效性。实验结果表明: 相比于其他权重系数值, 最优权重估计的光流图像不但运动目标明显而且噪声较少。对运动目标检测的运行时间为0.106 0 s,有用比为0.596 9, 幅度误差为0.801 1, 满足光流法运动目标检测的最优或次优性能。

为了更好地描述图像内部的复杂程度; 建立图像复杂度与各指标之间的数学模型是研究图像复杂度最关键的一步。首先从图像纹理出发; 试图建立图像复杂度与各指标之间定量、精确的数学关系描述。针对目前图像复杂度与各衡量指标之间没有明确的数学关系的特点; 文中采用灰度共生矩阵对纹理的主要特征参数进行分析; 提出了基于BP神经网络的图像复杂度评价方法; 建立了图像复杂度与各个指标之间非线性的数学评价模型。通过大量的图片对神经网络进行训练学习; 得到各指标的权重值。验证结果表明; 所建评价模型能够真实地反映图像内部的复杂程度; 获得的实验结果与人类视觉感知的结果基本一致。对于将BP神经网络应用于图像复杂度的研究具有一定的参考价值。

多角度动态光散射(MDLS)技术具有响应速度快、非接触式测量等优势，相较于单一散射角度测量技术，MDLS能获取更多的反映颗粒特征的散射光信息，可提供更准确的颗粒粒度分布(PSD)，而合适的颗粒粒度反演算法能进一步提高MDLS 方法的测量准确性。在Phillips-Twomey(PT)算法基础上，提出采用MR-L 曲线法确定正则化参数，递归算法求取权重系数并添加非负约束的递归非负Phillips-Twomey(RNNPT)算法，通过准确确定权重系数改善MDLS 颗粒粒度分布反演算法的准确性。采用RNNPT 算法，在光强相关函数测量噪声为0.01%~1%，对两种单峰模拟分布以及一种双峰模拟分布颗粒体系进行了粒度反演，可知在噪声水平低于0.1%的情况下反演结果均较为理想。将RNNPT 算法与递归Phillips-Twomey(RPT)算法和现有的递归Tikhonov(RT)算法进行比较，计算结果表明，RNNPT 算法获得的权重系数比误差最小，反演获得的粒度分布与理论值最为接近。

加权相位解缠算法的解缠精度取决于所提取的质量图的可靠性。目前提取相位质量图的方法大多采用以各个像素为中心的固定窗口法, 但当某些像素被噪声严重干扰时, 采用固定窗口法提取质量图往往得不到正确的解缠结果。因此, 提出了几种自适应加权窗口方法来提取相位质量图, 并给出了具体的实现方法和步骤, 同时采用加权小波变换相位解缠算法进行相位解缠。实验结果表明, 采用自适应加权窗口方法提取相位质量图来确定初始权重系数能获得比较好的解缠效果。