获取物体的光谱反射率是准确再现物体在各种光照条件下真实颜色的关键保证, 这对纺织服装、 出版印刷、 网络电商、 远程医疗等对颜色有较高要求的行业有重要作用。 光谱反射率重建的目的是利用训练样本建立数码相机等通用设备所获取的RGB三色值和光谱反射率高维向量间的映射关系, 从而避免使用分光光度计等专业设备所带来的成本高、 操作复杂、 分辨率低等问题。 训练样本的选择是影响光谱反射率重建算法效果的重要因素。 从物理角度看, 光谱反射率是一条关于波长的光滑曲线, 光谱反射率向量最大的相关性特征就是其光滑性, 因此, 训练样本的选择应同时考虑空间距离和形状的相似性。 针对局部学习方法中局部样本选择问题, 提出一种能同时考虑光谱反射率向量形状相似和空间距离相近的更加有效的训练样本选取方法, 以提高光谱反射率重建的精度。 该方法利用待测样本与训练样本之间的加权欧氏距离与向量夹角距离结合后赋予不同权重作为相似性度量, 根据样本容量动态地选出相似度较高的样本。 实验以孟赛尔半光泽数据集(munsell matte)为样本集, 基于伪逆法进行光谱反射率重建, 以光谱均方根误差和色差为评价指标, 与加权欧氏距离方法从样本选择的有效性和重构精度两方面进行比较。 实验结果表明, 基于改进加权欧氏距离的样本选择, 能够在保证均方误差最小的条件下, 显著降低色度误差, 同时添加不同噪声水平后, 文中方法的均方根误差和平均色差依旧保持最小, 该方法能够更好地利用局部样本的信息, 而且具有较好的抗干扰能力, 可以有效地提高光谱反射率重建的实际应用效果, 进而为颜色的真实再现提供保障。

针对不同尺度点云配准的精度和效率问题，提出一种基于人工蜂群优化的异尺度点云配准算法。引入尺度缩放因子，与三维旋转、平移参数共同作为配准过程中的待求变量，使用人工蜂群优化方法进行优化求解。同时，基于归一化尺度参数改进了欧氏距离目标函数，以消除优化求解中尺度缩放因子引起的误差，从而有效提高配准算法的稳定性。与当前几组典型方法进行对比，所提算法对不同模型配准的精度和效率均有提高。实验结果表明，所提算法充分利用了人工蜂群优化方法优异的全局优化能力，可以有效实现对异尺度点云的高精度、快速配准。

地形匹配导航是一种重要的利用地形和地物特征进行导航的技术。为了进一步提高地形匹配算法的精度，提出了一种基于形态学增强型方向梯度直方图（EHOG）的地形匹配算法。该算法采用形态学闭运算对干涉合成孔径雷达（InSAR）获取的实时高程图（REM）进行预处理，获取EHOG特征；将地形匹配转换为HOG特征描述子的匹配，以特征向量间的欧氏距离作为相似性度量。匹配过程中，采用粗细精结合的三步优化匹配搜索策略，提升了算法实时性。实验结果表明，与未增强的HOG算法、传统的梯度互相关算法相比，所提匹配算法具有更好的匹配精度和抗噪性，同时具有较强的鲁棒性和实用性，能够很好地应用于InSAR地形匹配。

已有匹配算法对低重叠度点云的配准精度较低,且对不同尺度的点云比较敏感,为了达到较好的配准效果,需要对点云进行预处理或调节较多参数。快速点特征直方图(FPFH)的复杂度较低,且能保留点云的大部分特征,因此,基于点云的FPFH提出了一种改进的配准算法。首先,基于FPFH提取多尺度特征的关键点,以适应不同规模的点云数据集,同时降低需要调节的参数量。然后,对经过FPFH匹配初步筛选的对应点关系进行精确提取,增加点云内的距离约束条件,降低算法对重叠度的敏感性,获取配准的初步变换矩阵。最后,经过迭代最近点算法进行微调,达到精确配准的目的。实验结果表明,该算法在不同重叠度以及不同规模的点云数据集上均具有较好的配准精度。

食用油是日常生活中的必需品。 市场上食用油在成分、营养价值及价格上有很大的不同。 为避免欺诈行为, 亟需建立一套有效的市场销售的食用油品质分类方法。 常规的食用油检测方法速度慢而且需要复杂的实验室预处理过程。 分子光谱从分子水平上反映了物质的组成与结构信息, 分子光谱分析速度快而且是无损监测, 因此分子光谱分析结合化学计量学的方法正成为食用油分类方法的趋势。 SIMCA（Soft Independent Modeling of Class Analogy）是应用广泛的分子光谱分析方法, 然而在SIMCA中使用欧氏距离于对基于PCA和F检验提取的特征进行分类, 难以区分不规则的特征空间。 由于食用油样本分子光谱差别细微, 通常难以用SIMCA方法进行分类。 SVDD（Support Vector Domain Description）算法是一类基于支持域的非线性单类分类方法, SVDD利用求解凸二次规划得出一个尽可能包含所有目标样本的最小超球体进行分类。 本文提出了一种基于SIMCA-SVDD方法的分子光谱分析方法并用于食用油的快速分类。 为鉴别不同种类的食用油, 在ATR-FTIR光谱仪上扫描四种食用油的红外光谱。 应用SIMCA方法提取分类特T2和Q, 由于提取的特征T2和Q分布的不规则性, 不同于SIMCA中的欧氏距离, 本文采用SVDD用于对提取的不规则特征进行分类。 由于SVDD能通过映射函数将分类特征映射到高维空间, 因此可以通过求解凸二次规划来训练最优的分类超球面对分类特征进行分类。 采用本文所提的SIMCA-SVDD方法及传统的SIMCA方法, 对同样的样本进行了对比实验。 对比实验证实了本文所提的SIMCA-SVDD方法具有比传统的SIMCA方法更好的分类结果, 所提的方法为实现基于分子光谱进行食用油快速分类提供了一条新的途径。

为了得到忠于人眼视觉特性的真彩色夜视图像, 根据典型目标夜间光谱特性以及微光夜视系统的成像模型, 基于最小欧氏距离原理, 提出了一种三波段真彩色夜视光谱划分方法。设置了实验室场景和室外场景, 对本文中提出的光谱划分方法与传统光谱划分方法进行了对比实验, 并对得到的真彩色夜视图像细节(空间频率)做了分析。结果表明, 相对于原始微光图像, 空间频率分别提高了61.2%, 52.0%; 本文中的方法对于典型目标(绿色草木)具有更好的彩色还原效果; 基于最小欧氏距离的光谱划分方法可将夜间可见光分离为三波段, 并可有效利用其光谱信息, 得到对于典型目标的具有自然感彩色且较原始微光图像信息量更为丰富的真彩色夜视图像。

故障诊断系统已成为确保工业系统及设备安全运行的重要辅助工具。在故障发生的早期阶段,故障诊断系统可以快速提供早期预警信息,并为故障缓解方案制定提供参考。为此,提出了一种基于光学灰度图像辨识的故障诊断方法。该方法根据实时监测数据构造系统的运行状态图像,通过CCD摄录的方式截取灰度图像,并从不同分辨率的系统灰度图像近似直方图中提取出系统的灰度图像特征。根据这些特征与标准特征之间的欧式距离比较,将当前状态划分为相距最小的标准特征类。实验结果表明该方法能够快速且正确地检测出故障类型,为系统相关设计与维护人员提供有效的支持信息。

针对用激光局部加热试样引起的横向热流检测裂纹, 对低热导率材料表面的微小裂纹成像信噪比较低的问题, 提出基于相邻热信号比较的圆柱铁氧体表面微裂纹检测算法。基于几何模型重构运动的圆周表面各点热信号, 以激光扫描方向相邻点热信号的欧氏距离作为特征进行成像。仿真分析确定热信号裁剪区间、参考信号位置等算法参数。对6个具有5~35 μm宽度自然裂纹的样品进行实验, 结果表明, 在线激光2.66 mm/s的扫描速度下, 裂纹成像信噪比相比常规方法提高1~2倍, 可清晰成像出裂纹的形状。

为实现复杂动态背景下快速、准确地检测运动目标，提出一种改进二进制鲁棒不变尺度特征(BRISK)算法的运动目标检测方法。首先对图像进行分块，利用图像熵对图像块进行筛选；然后针对特征匹配过程中存在大量误匹配的问题，采用k 近邻算法与欧氏距离进行特征匹配；最后通过改进的顺序抽样一致性算法进行特征点提纯，进一步完成背景运动补偿，从而利用形态学处理分割运动目标。采用多组视频图像进行验证，本文算法在原BRISK 算法的基础上去除了32.7%的特征点，并且匹配效率提高了75%，处理速度比以往算法快，并且具有较强的抗噪性能。