太阳是太阳系中唯一的能量源, 拥有着极为宽阔的连续谱以及数以万计的吸收线和发射线, 是一个非常丰富的光谱信息宝藏。 太阳电磁辐射的能量主要集中在可见光区和红外光区, 其中, 具有多普勒红移特征的太阳红外光谱可作为天文测速导航的信息源。 太阳光谱多普勒红移测速是天文测速导航的重要环节, 它通过计算接收太阳光谱相对于标准太阳光谱的多普勒红移反推出航天器和太阳之间的相对径向速度。 然而, 太阳黑子、 日冕、 耀斑等太阳活动引发的光谱畸变会造成太阳光谱的不稳定, 这将影响着太阳光谱的测速精度, 进而影响导航精度。 为了提高太阳光谱测速导航性能, 依据太阳光谱测速原理, 探索改进太阳光谱多普勒红移测速的信号处理方法。 提出了一种面向太阳光谱测速导航的自适应 EMD-NDFT多普勒红移测速方法, 该方法针对太阳光谱的多普勒效应计算得到红移, 进而反推得到航天器相对于光源的径向速度。 该方法由EMD处理、 NDFT变换、 相关匹配三部分构成。 即： 首先运用EMD算法对非平稳的接收太阳光谱信号进行自适应分层, 再根据每一层本征模态信号进行自适应阈值滤波降噪, 以获得平稳的重构信号; 然后根据太阳光谱非均匀采样的特点, 对标准太阳光谱和接收光谱分别进行NDFT变换将光谱由时域转换到频域, 再选择两者的低频特征谱线进行泰勒匹配以获得相位差, 从而得到航天器相对于太阳的径向速度。 该方法将信号的时域降噪和频域稀疏相结合, 可更快速、 更准确地得到径向速度。 分析了太阳黑子活动的一个周期中, 不同年份的光谱变化情况, 并分别对其进行多普勒红移测速计算和分析。 仿真实验结果表明, 针对不同时间段和不同噪声下的太阳光谱数据, 采用自适应EMD-NDFT方法可以有效提高测速精度, 并能较大程度地降低计算复杂度。

介绍了一种制作在光纤端头的超微型Fizeau腔水下激波压力传感器,给出了传感器的基本理论和制作工艺;采用被动零差解调技术对该光纤Fizeau腔在冲击压力波作用下的瞬态速变干涉相位进行解调;采用活塞式压力计和聚焦式电磁冲击波源进行静态和动态定标实验。在0~60 MPa压力量程范围内,系统的定标结果如下:满量程时的线性度、重复性、回程误差和基本误差分别为3.26%、0.01153%、0.07%和3.407%,动态响应时间小于0.75 μs。

待修复区域标记、优先权、最佳匹配模块的搜索及填充和更新置信度是Criminisi 图像修复算法的4 个重要组成部分，每一部分对Criminisi 算法的图像修复结果都有不可忽视的作用。针对大目标移除的Criminisi 图像修复，从数学的角度优化待修复区域标记和提高优先权可信度，并将蝙蝠算法运用到最佳匹配模板搜索中，提高修复效率。实验表明：本文改进的算法能够有效的减少错误信息的累积，具有较好的实用性。

针对基于非下采样轮廓波变换（NSCT）的压缩感知图像融合算法，存在融合图像局部细节信息表达不足的问题，提出一种基于NSCT 与离散小波变换（DWT）的压缩感知图像融合算法。首先，对图像进行NSCT 变换，得到低频系数和高频系数；然后，对高频系数进行压缩融合，并通过重构算法恢复融合的高频系数；而对低频系数，采取基于小波变换的融合方法；最后，对融合的高频系数和低频系数进行NSCT 逆变换，得到最终的融合图像。实验结果表明：本文算法使融合图像的质量，在主观和客观方面都得到了明显改善，最终的融合图像具有更多的细节特征和更清晰的边缘轮廓。

Criminisi图像修复算法的修复步骤由待修复区域的标记、优先权的计算、最佳匹配块搜索与填充和更新置信度 4部分组成。其中待修复区域的标记是进行 Criminisi图像修复算法的基础, 因此合理的标记待修复区域是提高 Criminisi图像修复算法修复效果的有效路径。引入数学形态学对待修复图像进行处理, 即利用腐蚀与膨胀组合, 对待修复区域边缘进行处理, 进而进行 Criminisi图像修复算法操作。实验结果表明经数学形态学处理后的标记可以降低错误信息的累积, 大大提升了图像修复的质量, 具有较高的实用价值。

在经典Criminisi图像修复算法框架的基础上,针对优先权可靠性低和全局搜索最佳模板效率低、错误匹配率大的缺点进行改进.改进的算法为基于萤火虫算法(FA)的快速Criminisi图像修复算法.首先从数学的角度引入正规化函数至置信度,以此提升优先权计算的可靠性;然后引入FA到最佳模板的搜索与填充中,能够有效地将全局搜索与局部搜索有效地结合,鲁棒性较高,提高效率且错误匹配率低.实验结果表明:采用本文的改进算法能在保证修复质量的基础上降低时耗,提高效率.

为了取得更好的显著性检测结果,针对传统的显著性检测方法易造成边界模糊以及应用中央-周边差进行图像检测时,感兴趣目标的内部纹理会破坏目标的整体性的问题,提出了一种基于纹理抑制和连续分布估计的显著性检测方法.先对图像进行双边滤波的预处理,以平滑目标以及背景区域内部的纹理扰动,保留目标与背景之间的主要边缘.再采用SLIC超像素分割算法,对图像中具有相同特征的像素进行分组,通过多维正态分布提取分割区域的特征,利用二范数Wasserstein距离计算区域相似度:结合局部显著性检测以及全局显著性检测实现目标区域的提取.实验结果表明,本文的方法能够较好地提取显著性目标区域.

传统的基于 DWT的压缩感知图像融合方法针对的是整个稀疏系数，由于小波系数的低频部分为非稀疏的，导致其压缩重构质量差。针对该问题，提出了一种基于 DWT高频系数压缩测量的融合方法，该压缩模式可以提高重构信号的质量，进而提高融合图像的效果。首先，对图像作小波稀疏变换，得到低频和高频系数，并对高频系数压缩测量得到测量值；然后，在小波域和压缩域分别进行融合，并对融合后的测量值进行重构得到融合后的高频系数；最后，经小波逆变换得到融合后的图像。实验结果表明，本压缩感知模式较传统的压缩感知模式在减少压缩数据量的同时提高了图像的融合效果。

为了提高图像边缘结构信息的修复效果，本文优化的Criminisi算法优先权，侧重于提高数据项的鲁棒性，并在全局搜索寻找最佳匹配模块进行修复。且在修复结束后，对修复区域进行FDIM算法的无缝拼接处理，使图像的整体和谐统一。实验证明，该修复方法能够很好地处理边缘结构细节信息，并降低了错误匹配，满足人的视觉需求，具有相对较高的实用价值。