古代壁画为存世孤本且艺术风格独特。然而，由于可参考数据稀少，缺失信息重建的效果不佳。如何产生足够可参考样本是提升壁画修复效果的关键节点。为了解决此问题，提出一种改进的风格迁移模型来生成高质量的壁画图像，达到扩充数据的目的。首先，在输入图像的低维空间进行聚类以保持图像的结构完整性。其次，引入基于注意机制和软阈值函数的残差收缩模块去除图像中冗余信息，有效保留纹理细节信息。最后，将内容聚类集合与匹配到的风格聚类集合进行实时的特征转换，得到任意风格的迁移图像。实验结果表明，与其他常见的风格迁移方法相比，所提方法能够生成自然清晰的壁画图像，并且在客观指标峰值信噪比和结构相似度上均取得较好的结果。此外，在基于生成对抗网络的壁画数字生成实验中，验证了所提方法较传统增广方法的有效性。

异常色觉检测和分类经常在入职体检、异常色觉计算机辅助识别系统和颜色视觉机制基础研究中使用。对22名异常色觉者（8名绿色盲、2名红色盲、6名绿色弱、6名红色弱）进行了D-15、FM 100-Hue和Neitz色盲检查镜测验。通过比较D-15、FM 100-Hue和色盲检查镜的测验结果，指出了色相测验在异常色觉检测和分类时存在的局限性，为各个领域内异常色觉检测和分类提供了参考依据。

荧光粉转换白光LED具有高能效、低成本、长寿命等优势，广泛应用于照明领域，提高荧光粉转换白光LED的光效一直是该领域的研究热点。为了对白光LED的高性能封装进行设计优化和制备，采用模拟仿真以及实验测试相结合的方式，对LED芯片封装进行研究分析，采用了特制支架和双芯片封装，提高灯珠光效，在此基础上，改进了荧光粉涂覆工艺，提高了荧光粉激发效率，整体提高LED光效约6%，且研究了远程荧光粉与芯片的距离变化时LED的光效变化。

研究了基于多通道发光二极管（LED）的光谱优化模拟方法。根据光谱的线性叠加原理，将各色LED光谱导入程序，通过编程使模型在指定色温条件下输出显色指数、光效、色容差等最佳组合，以指导多通道LED照明产品调光调色应用。实验结果表明：暖白光LED与RGB（Red，Green，Blue）光混合后，在3000~5000 K色温范围内具有最佳的光度色度参数组合；在5000~8000 K范围内，冷白光LED与RGB光的混合效果最佳。探讨了各最优光谱组合解的视觉功效及非视觉功效，对光谱的最优解进行了实验验证。

运用彩色图像色调、饱和度、强度（HSI）模型的H分量进行彩色图像阈值分割是一个新的彩色图像阈值化方式。考虑到H分量是一个圆形直方图，将圆形直方图断开为线性直方图，然后采用线性直方图阈值分割法进行阈值选取是一种有效途径。在信息论中，信息能量是Shannon熵的对偶，首先引入线性概率分布的累积分布信息能量概念，基于此来确定圆形直方图的断点；然后给出线性直方图上的信息能量阈值法，并基于此实现H分量圆形直方图的阈值选取。相比于基于对数运算的Shannon熵阈值选取准则，基于平方运算的信息能量阈值选取准则具有表述简单、运算速度快的优点。

传统的虚拟现实（VR）技术通过人为建模的方式生成室内三维地图模型，存在速度慢、模型与现实物体尺度之间存在偏差的问题。鉴于此，提出基于VR的移动机器人的真实环境三维建模系统。首先通过视觉同时定位与建图（SLAM）技术快速地获取室内的高精度稠密三维点云地图；其次将三维点云通过曲面重建算法重建为室内三维模型并导入到unity 3D中；然后借助VR设备将室内三维模型置于三维立体的虚拟环境中；最后通过视觉SLAM技术实现移动机器人在室内环境的重定位，实时映射机器人在模型中的位姿，完成交互。利用视觉SLAM技术构建三维地图模型不仅快速，解决了场景尺度偏差的问题，且实现地图的重复使用。同时VR技术也使操作人员可以获得强烈的沉浸感，从而更好地理解机器人的工作环境。

背景减除法是视频序列中运动目标检测最常用的方法之一。为了能够准确、快速完成视频序列的背景建模，精确地检测出运动前景，提出一种融合图像颜色和纹理特征的背景建模方法。首先，采用核密度估计法和模式核密度估计法分别对视频图像的RGB颜色空间和Haar local binary pattern（HLBP）纹理进行建模，得到颜色和纹理模型。然后，采用归一化和两次阈值判断的方式对颜色和纹理模型进行融合，设置合适的阈值使颜色和纹理模型优势互补，形成背景模型。最后，使用背景模型检测视频序列的运动前景，并完成背景模型的更新。实验结果表明，所提方法能够很好应对动态背景和含有阴影的场景，在测试集上的平均F1-score为0.8471，优于常用算法，平均帧率为25.57 frame·s^-1，达到实时性要求。

提出了一种基于多光源下彩色数码相机原始数据的物体反射率预测算法。通过测量获得彩色数码相机的灵敏度函数和每个光源的光谱，建立包括噪声项的相机原始数据与物体反射率的基本线性方程。通过训练色卡（X-Rite 140色色卡）估计系统噪声，并通过多光源维纳估计算法预测反射率。用两台不同品牌的专业数码相机对本算法进行评估。结果表明，本算法在D65、U30和HZ光源下的表现最优。相比分光光度计得到的光谱反射率，Canon相机和Nikon相机对孟塞尔色卡的预测精度较高，平均CIELAB色差分别为1.59和1.40，在非接触测色和颜色复制等领域具有重要应用价值。

目前光学成像技术已经在深海探测中发挥重要的作用，但仍缺少深海视频质量主观评价研究，尤其是缺少公开的深海视频质量评价数据集。为此，构建了一个公开的、带有主观质量标签的深海视频质量评价数据集，该数据集包括5类代表性的真实深海场景视频。为了实现数据增广，使用基于深度学习和基于融合的水下图像增强方法进行视频质量增强，使用高斯模糊和高斯噪声进行视频质量退化；采用单激励绝对等级主观质量评价方法对深海视频进行视频质量评价，主观评价实验人数为20，得到总数量为142的深海视频质量评价数据集。在该数据集上验证了8种图像/视频质量客观评价模型的性能，结果显示当前视频质量客观评价模型用于深海视频质量评价还需提升性能。数据集公开在http：//ieee-dataport.org/documents/deep-sea-video-quality-dataset，有助于深海视频质量客观评价和增强技术的优化和改进。

现有的立体匹配算法在弱纹理、阴影等病态区域的匹配效果较差，为了充分利用场景上下文信息来提高视差匹配精度，提出一种有效的多重注意力立体匹配算法（MAnet）。特征提取阶段，通过多种注意力机制，即位置通道注意力和多头十字交叉注意力（MCA），调整特征通道并有选择性地聚合任意范围内的上下文信息，为匹配代价计算提供更有辨识性的特征。将MCA扩展到3D卷积中，扩大网络感受野，使聚合的匹配代价更准确。对于网络的损失函数，通过加权超过误差阈值部分的损失来提高网络对困难区域的学习能力。在KITTI数据集中对算法进行实验验证，MAnet对KITTI2015测试集的误差仅为2.06%，实验结果表明，与基准算法相比，MAnet提高了视差精度，有助于改善病态区域的匹配效果。