电感耦合等离子体原子发射光谱(ICP-AES)分析法是一种常用的溶液元素浓度分析方法, 但在ICP-AES测量过程中, 由于温度漂移、 杂散光和仪器暗电流等原因, 光谱往往会存在一定程度的基线漂移, 导致元素光谱强度值的测量结果存在误差, 进而影响元素浓度的定量分析结果, 因此基线校正是ICP-AES分析法中的必要环节之一。 对传统光谱基线校正方法进行简要分析, 在此基础上设计了一种基于非均匀B样条曲线和差分进化算法的ICP-AES光谱基线漂移校正方法; 首先验证了光谱信号中噪声的概率密度分布服从高斯分布, 然后对原始光谱进行预处理, 通过高斯滤波对光谱信号去噪; 然后以光谱基线校正过程中极小值序列的标准偏差作为评价指标, 以非均匀B样条曲线作为基线模型, 以曲线的控制点序列C和内接点序列T作为评价函数特征参数, 建立ICP-AES光谱基线校正评价函数, 将光谱基线校正问题转换为求解评价函数特征参数全局最优解的问题; 最后简要介绍了差分进化算法的流程, 通过差分进化算法求解使得评价函数取得最小值时的特征参数的全局最优解, 即非均匀B样条曲线的控制点序列C与内接点序列T的取值, 并以此拟合相应的非均匀B样条曲线作为光谱基线, 实现对ICP-AES光谱的基线校正。 利用一组实测的ICP-AES光谱数据对本文提出的基线漂移校正方法进行验证, 实验结果表明, 提出的基于差分进化算法和非均匀B样条曲线的ICP-AES光谱基线校正方法能够准确地计算出非均匀B样条曲线的控制点序列C与内接点序列T, 并拟合出理想的光谱基线, 从而实现ICP-AES光谱的基线校正, 该方法能够克服非均匀B样条曲线在光谱基线校正领域应用的局限性, 为后续的元素含量定量分析提供了技术基础。

肺的呼吸运动估计和校正对图像引导放射治疗肺癌具有重要意义，需要图像配准技术获取运动位移信息。然而，肺器官是典型的运动器官，在呼吸过程中会发生复杂的、不同形式的形变，导致肺部三维Computed Tomography （CT）图像配准难度大且耗时长。目前，肺部CT图像配准依然是一个具有挑战性且亟需解决的难题。提出一种基于自适应正则项的非均匀B样条图像配准方法，首先，以肺部生理结构特点为先验，结合曲率对肺器官网格进行空间自适应稀疏性划分，构建了非均匀B样条形变模型，提高配准效率。然后，通过设计像素点的空间位置权重，对形变场平滑正则项和全变差正则项进行自适应加权，提升配准精度。通过在公共数据集上与其他配准方法的比较，验证了所提方法的有效性。

为解决基于位置敏感器件(PSD)的激光三角位移传感器在复杂光电噪声干扰下的精密标定问题,提出一种多元自适应卡尔曼滤波(MAKF)与非均匀B样条曲线拟合的联合标定方法。通过分析测量原理和计算方法,对位移传感器的非线性特性进行了详细说明,进而提出应用曲线拟合的方法进行非线性标定。针对曲线拟合的特点,设计了一种多元自适应卡尔曼预处理算法用于滤除光电噪声干扰;通过非均匀的节点矢量划分,构建了B样条曲线拟合模型,进一步提高了标定系统的精度。在实际工况下进行了标定实验,实验结果表明,该曲线拟合标定方法能够完成激光位移传感器的高精度标定,其定位精度为0.7%,平均测量误差可达0.012 mm,标定均方误差约为2.12×10 -5 mm 2。

基线校正是一种常用的消除光谱荧光干扰的方法, 是拉曼光谱数据处理的必要步骤之一。 传统的多项式拟合基线校正算法, 简单且易于实现, 但是拟合阶次难以确定, 灵活性较差。 使用非均匀B样条代替多项式进行拟合, 在保留原有算法优点的基础上, 利用原始拉曼谱图的峰位置信息自适应地确定非均匀B样条的节点向量, 然后以固定阶次拟合光谱基线。 B样条自身具有分段光滑的特性, 而计算样条节点的节点向量自适应选取算法中的峰位置信息通过使用两次具有不同母函数的连续小波变换（continuous wavelet transform, CWT）来获取, 既加强了原始光谱数据与B样条算法本身的联系, 也克服了传统多项式拟合的不足。 为了验证本文算法的有效性, 选取了甲基对硫磷和某品牌菜籽油两种被测物进行实验, 并使用该算法进行了基线校正, 并与两种其他的基线校正算法与进行了对比。 实验结果表明, 该方法利用固定的拟合阶次就能达到较好的校正效果, 所需要的参数较少, 校正结果不会出现过拟合或欠拟合的现象, 是一种有效的拉曼光谱基线校正算法。