针对目前关于城区景观树提取存在的提取精度低、数据代表性不足、算法复杂等问题，提出了一种空间约束标识点过程的机载激光雷达（LiDAR）景观树提取方法。所提方法从点云数据中分离非地面点，且通过树冠点云密度约束标识点过程模型。首先，采用三角网迭代加密滤波算法将LiDAR点云数据中的地面点与非地面点分离；然后，针对非地面点数据定义景观树空间分布标识点过程模型，以圆形刻画景观树在地面投影区域的几何形状，定义树冠投影区几何模型，并结合景观树和非树区域数据点的高程分布特点构建高程分布模型；在此基础上，根据树冠点云的空间密度特征，构建高程约束模型；在贝叶斯理论架构下综合上述模型建立景观树提取模型，并结合可逆跳变马尔可夫链蒙特卡罗算法模拟该提取模型；最后，根据最大后验概率准则，获取最优景观树提取结果。实验结果表明，所提方法提取的景观树整体精度较高，总体的提取率和正确率均达到了90%以上，对识别难度较大的复杂场景景观树提取结果亦能达到较高精度。

多谱CT成像是通过不同谱段的CT图像表征检测对象中的不同组分。 为了便于在同一视图中显示所有组分的信息, 需要研究多谱CT序列的融合方法; 但是常用融合方法如加权平均法、 小波变换融合法等都是针对图像细节信息的优化, 不能表达组分的物理特性, 从而导致融合图像的灰度不具有物理表征性, 影响CT的定量检测。 为此, 结合具有物理表征特征的数据约束模型(DCM), 开展了基于先验组分的多谱CT序列DCM融合算法研究。 首先通过能谱滤波分离的成像方法获得多个能谱范围内的多能投影数据, 采用TV-OSEM算法重建不同能谱段的CT序列; 其次, 利用传统DCM模型和改进DCM模型分别对多谱CT序列进行融合, 传统DCM模型是严格单能的, 由于滤波后能谱的非严格单能特性, 其融合结果不能表征出对象序列中的全部组分。 针对此问题提出了改进DCM模型。 改进DCM模型选择了新的体元定义, 并且在多谱CT序列融合中引入先验组分作为参照, 通过先验物质对融合结果中其他物质进行校准, 实现检测对象中各组分位置的准确分布。 仿真实验表明, 该方法可从物理表征正确性的角度, 实现多谱CT序列融合, 在满足CT序列中不同组分区分的同时, 其融合图像的灰度具有物理可参照性, 有利于后续的CT定量检测。

针对现有高斯光学校正方法的不足，提出了基于像差约束模型的透射式光学系统像点横向位置失调的校正方法，推导了像差约束条件下零像差增量的校正方程，提出了校正透镜选择原则。以某光学瞄准镜为例，利用Zemax 软件仿真验证了方法的有效性。实验表明：该方法能有效降低校正过程中透镜位置变化对光学系统成像质量的影响。

光电探测系统研制阶段的试验数据具有小样本特征，针对传统的可靠性评估结果偏保守的问题，基于单调约束模型，通过综合利用光电探测系统多阶段试验数据进行可靠性评估，以达到精确评估的目的。考虑将研制过程中不同试验阶段数据中包含的可靠性增长信息作为约束条件，推导出可靠度分布函数表达式，并给出一种等效的统计抽样计算方法——Monte Carlo模拟算法，使计算过程更加简便，便于工程应用。最后以某型光电探测系统为例，表明利用可靠性增长信息进行可靠性评估，可有效提高评估的精度。

为了有效地提高面向逆向工程的工业CT图像轮廓处理的精准性和计算效率，开发了工业CT图像轮廓提取与优化系统。该系统主要包括图像处理模块、轮廓识别与提取模块、轮廓拟合与优化模块、图像处理经典算法库和数据接口等功能模块，实现了从工业CT图像到轮廓数据的三维点云与轮廓线的标准格式输出，并与逆向工程软件对接。同时，在轮廓拟合与优化模块中，提出了基于全局约束模型的轮廓拟合策略，并采用有向图分解和数值代数相结合的计算方法，提高了轮廓拟合的计算精度和效率。最后通过实例验证了系统的有效性和正确性。