为了利用近红外光谱技术对牛奶中脂肪、蛋白质和乳糖的浓度进行快速检测, 提出了基于直方图规定化和模糊层次分析法的近红外光谱主成分权重重置预处理方法。针对牛奶样品的光谱进行主成分分析, 确定光谱数据中的最佳主成分数, 得到了各主成分的得分和权重。采用直方图规定化的数学统计思想实现二维光谱矩阵的滤波及净化去噪, 利用模糊层次分析方法对有效主成分信息的权重进行重置映射, 滤掉无关的主成分干扰信息, 建立权重重置后的光谱。在此基础上, 对预处理后的光谱数据进行脂肪、蛋白质和乳糖的偏最小二乘回归1（PLS1）建模, 得到脂肪的相关系数为0.980, 预测均方根误差为0.158×10-2 g·mL-1; 蛋白质的相关系数为0.997, 实际预测偏差为0.050×10-2 g·mL-1; 乳糖的相关系数为0.985, 实际预测偏差为0.152×10-2 g·mL-1。由模型预测结果可知, 基于直方图规定化和模糊层次分析法的近红外光谱主成分权重重置预处理方法比常规预处理方法具有更好的滤波和去噪效果, 说明将直方图规定化和模糊层次分析法相结合对牛奶近红外光谱进行预处理具有可行性。

对于单幅图像去雾处理,暗通道先验算法具有较好的效果,但该算法处理时间长,对储存资源与计算资源要求很高,很难应用于无人机图像去雾。在暗通道先验算法的基础上进行改进,提出了一种快速的去雾算法,首先通过优化滤波器直接获得高精度的透射率,避免了原算法后续的抠图处理,显著降低了计算复杂度;然后针对去雾图像偏暗、灰度分布偏离原始图像的情况,以原始图为参考,采用直方图规定化方法进行增强处理,提高了亮度,改善了去雾图像的视觉效果,与He算法相比,该算法不仅极大地降低了计算复杂度,速度提高了近5倍,而且保持了原始算法的去雾能力。

非均匀性噪声严重影响着红外焦平面阵列的成像质量。针对条纹非均匀性问题，提出了一种基于局部直方图规定化的红外图像非均匀性校正算法。该算法对图像逐列进行处理，首先采用文中提出的加权折中直方图方法计算得到每一列图像的期望直方图，然后对当前图像列进行直方图规定化处理，最后遍历整幅图像实现非均匀性校正。实验结果表明，本文算法能够有效地抑制红外图像的条纹非均匀性噪声，同时较好地保留了图像的边缘轮廓信息。