在截面尺寸为 300 mm×300 mm和 400 mm×300 mm的 H型钢的切割和焊接过程中, 为了达到 0.2 mm的测量分辨力要求, 由 CCD相机采集的图, 通过计算机处理, 测量型钢端部的几何尺寸及形变量, 为焊枪的定位、切割提供坐标参数。针对型钢测量过程中需要解决 0.7‰分辨力和大景深测量的问题, 提出了一个大景深视觉成像测量的设计方案, 给出了被测工件的实际测量结果, 并做了测量重复性和稳定性分析。理论分析和实验及结果表明, 该系统的分辨力达到 0.2 mm, 从采集图像到得出最后数据, 处理时间满足工程要求。

目前平行光管视差检测多采用五棱镜法, 由于人工读数存在较大的误差, 提出了一种基于圆形匹配与数据融合的大口径平行光管视差自动检测方法。选用高清相机对大口径平行光管分划板成像, 通过大津法二值化、开运算去滤波、边缘检测、圆形匹配、数据融合等方法得到图像圆心所在位置; 最终给出视差计算结果。视差计算的过程中, 可以实现多点测试, 即可以给出视差变换的曲线, 可以给平行光管的调校带来方便。试验表明自动视差测量装置的检测结果准确, 并具有良好的可重复性。

根据树脂镜片在线检测的要求和特点, 提出一种基于机器视觉的在线疵病检测方法。针对不同尺寸的疵病, 设计了基于两级图像采集的在线检测系统, 完成对镜片疵病的检测。利用第一级图像采集系统检测部分疵病, 获得点杂质和气泡等疵病的详细特征, 同时可以获取划痕和羽毛的长度、位置和数量等信息和包含划痕或羽毛的敏感区域的位置, 并发送信号控制第二图像采集系统的工作。利用第二图像采集系统的传送带和一维导轨的移动对敏感区域定位, 检测划痕和羽毛的直径。本文设计的方法解决了系统成本高、检测速度慢、数据量大等技术问题, 满足在线检测的需要。实验表明：系统检测速度为每片 1.5 s; 与子孔径拼接技术相比, 数据量最少减少约 88%, 最多减少约 96%。

基于折射式棱锥波前传感器, 结合二元光学原理, 设计一种衍射式棱锥波前传感器。对衍射式棱锥的波前探测原理进行了理论推导, 计算了单项 Zernike像差通过两种波前传感器后四个子光瞳像的光强分布, 对两种器件对不同像差的平均斜率测量精度和光能利用率做了定量计算和比较。计算结果证明衍射式棱锥器件可以对波前像差进行有效探测, 构建微型人眼波前像差测量系统。

本文提出采用三角晶格作为设计 1 550 nm波段光子晶体结构的基础; 在该结构下采用占空比 0.3的结构参数, 可以实现最大禁带宽度; 采用点缺陷和线缺陷相结合, 提出侧耦合结构, 利用基于 FDTD的 Rsoft软件进行仿真计算, 分析了缺陷模、透射谱、稳态时域响应图, 并且计算了光开关的插入损耗、消光比和响应时间等。结果表明：这种结构的光开关插入损耗和消光比等性能都较好, 完全能满足现代应用的要求。

为了有效地减小星载相机的体积、重量, 实现冷备份, 同时完成调焦相机电机转动精度和圈数记忆功能, 设计了星载双读数多圈绝对式编码器。根据电机转动的精度与计数要求, 研制了采用两套绝对式光栅测量系统的机械结构; 根据星载相机可靠性的要求, 研制了双读数狭缝盘及读数系统; 最后, 对编码器进行了精度检测, 高低温试验和冲击振动试验。实验结果表明：星载双读数多圈绝对式编码器的分辨力为 80″、精度<±100″、测量圈数为 16圈。同时具有读数系统冷备份功能和电机转动圈数记忆功能, 且体积小、精度高、可靠性强, 可满足星载相机要求。

本文提出一种基于虚拟目标面的 LED均匀光强透镜设计方法。该方法通过设置半球状虚拟目标面, 建立芯片与目标面的能量对应关系, 求得均匀光强透镜的外形, 利用光学仿真软件对设置的虚拟目标面半径对光强分布的影响进行讨论, 并结合本文提出的描述均匀光强透镜的整体均匀性的指标.光强平台均匀度和光强平台宽度比, 分析并最终确定合理的虚拟目标面, 得到符合设计指标的均匀光强透镜。仿真分析表明, 当透镜厚度和透镜设计目标角度一定时, 虚拟目标面半径值越大, 计算误差小, 透镜整体光强均匀度高; 当透镜厚度和虚拟目标面半径取恰当值, 透镜设计目标角度越大, 透镜整体光强均匀度越高。运用该方法设计了一款半角为 60°的均匀光强透镜, 其光强平台均匀度为 0.983, 光强平台宽度比为 0.859, 整体光强均匀度高, 符合设计要求。

激光调阻机用于对片式电阻阻值进行微调, 其调阻精度主要取决于扫描镜头的光学聚焦性能。根据实际使用需求, 本文设计了两组不同工作波长 (1 064 nm和 532 nm)的 F-Theta扫描镜头, 视场角分别为 ±28°和±25°; 聚焦光斑直径分别为 30 μm和 10 μm。最终设计结果表明：两组镜头像散值在像差容限范围内, 满足平像场要求; F-Theta相对畸变均小于 0.1％; 光能利用率达到 90％以上; 聚焦性能接近衍射极限。两组镜头结构简单紧凑, 方便互换与装卡, 能够满足激光调阻要求。

针对具有对称结构的计算模型, 本文从理论上分析了采用理想电导体 (Perfect Electric Conductor, PEC)边界和理想磁导体 (Perfect Magnetic Conductor, PMC)边界截断的对称边界条件, 提出了对称截断方法, 利用该方法能够确定截断边界以外场分量值, 以实现截断边界处的 FDTD计算。对具有底板结构的金属柱慢波系统的色散特性进行了分析计算, 得到了与全域 FDTD方法完全一致的数值结果, 验证了对称截断方法的可行性和正确性。对称截断的 FDTD实现, 能充分保证计算精度, 在节约内存占用量和计算时间方面具有明显的优势。

三维视频是当前视频服务的演进趋势, 采用可分级 B帧(Hierarchical B Pictures, HBP)编码结构的多视点视频是三维视频的主要数据格式。针对压缩后多视点视频在无线传输中易发生数据包丢失, 提出了一种面向 HBP编码结构的多视点视频 I帧错误隐藏方法。隐藏过程分三大步：首先利用多视点视频编码中图片组长度短的特点, 把 I帧图片分成前景区和背景区; 然后, 对背景区丢失块采用直接拷贝法进行掩盖; 最后, 对前景区丢失块采用自适应方向性插值法进行错误掩盖。实验结果表明, 提出的方法在主客观质量上都优于常用的 I帧错误隐藏法, 并有效地降低了视点间错误传递。

针对二维格网形态学的插值误差及二维原始点云形态学的耗时等问题, 提出一种基于扫描线的一维渐进式形态学 LiDAR点云滤波方法。该方法根据点云数据近似直线扫描和顺序存储的特点, 将一维渐进式形态学方法运用于 LiDAR原始点云, 分析运算后的点值与其原始值的差异, 逐步滤除非地面点。为验证算法的有效性, 采用 ISPRS测试数据进行实验, 结果表明, 该算法无论是在城市地区还是在郊区均能有效滤除非地面点, 且具有较高的可靠性。

混合分辨率模型是多视角视频编码用来降低比特率的一种重要描述方法, 本文提出了一种新的实现图像 /视频序列的超分辨方法。在多视角框架中, 使用相邻高分辨图像的高频信息对当前视角的低分辨图像进行高频成分补充, 从而实现超分辨。邻域高分辨图像帧的投影图包含裂纹, 本文使用了非均匀采样复原理论对其进行了修复, 投影图中的其它空洞则由原始低分辨图像帧的上采样图像进行了填充。接着使用空洞填充反变换方法以及 DCT离散余弦变换对图像进行频率分解, 将投影图的高频成分与原始低分辨图像的低频成分进行融合, 再经过 IDCT离散余弦反变换即得到了最终的超分辨图像。实验仿真数据结果表明, 该方法得到的超分辨图像比传统的插值上采样图像以及基于 DCT的上采样图像无论是主观和客观评价, 均有明显的改善。

本文根据加窗变换后信号的频谱特性, 并结合自相关技术设计了一种基于有限冲击响应 (Fir)的窄带滤波器 (NBF), 同时应用频谱校正技术对扩展光束多普勒信号进行处理。实验结果表明, 结合自相关技术所设计的窄带滤波器能够滤除大部分的随机噪声, 同时也使目标信号频率附近的高频噪声得到了部分的抑制。随后, 对滤波后的信号进行加 Hanning窗的快速傅里叶变换 (FFT)并对其离散频谱进行校正, 提高了频率的测量精度。因此, 表明本文所设计的窄带滤波器以及频谱校正技术的结合适用于扩展光束型激光多普勒测速系统信号的处理。

针对正面步态识别中遇到背景颜色与人的穿着相接近或者人体下肢有阴影等情况, 提出一种改进的背景减差法, 利用髋关节将人体分为上下两个部分, 采用分部阈值进行背景减差, 提取人体二值化轮廓。对于周期检测, 首先利用髋关节思想找到 P点, 然后利用 P点找到人体左右脚最低点, 并根据两脚间高低距离差所产生的角度计算步态周期并将其用于描述步态序列的动态特征; 获得关键帧, 并且进行归一化, 分别提取它们的统一 Hu矩和步态周期, 用于描述步态序列的静态特征; 将这两种特征进行融合, 弥补了单一特征带来的识别率低的问题。最后, 采用支持向量机 (SVM)进行分类识别。本文的识别实验均在中科院步态数据库 (CASIA)上进行训练, 识别率达到 97%以上。结果证明, 该算法具有较好的识别速度和识别率。

针对 Shearlet变换在提取特征数据时存在冗余性以及无法对全局特征进行稀疏表征的缺点, 提出了一种 Shearlet多方向特征融合与加权直方图的人脸识别算法。首先, 对原始图像采用 Shearlet变换得到多尺度多方向的人脸特征, 然后按照两种编码方式将同一尺度下不同方向的特征进行编码融合, 并将融合后的尺度图像划分为若干大小相等的不重叠矩形块, 利用 Shannon熵理论对各子模式进行加权融合。在 ORL、FERET和 YALE人脸库中做了多组实验, 充分证明该算法相对于传统 Shearlet滤波器在分类识别上更具有优势。