针对非均匀低照度图像增强问题, 提出了一种动态双稳随机共振算法。该算法基于双稳态随机共振模型, 将图像中的噪声能量转移到低照度区域, 能有效对低照度图像进行亮度增强。在研究过程中设定了低照度像素的迭代阈值, 避免了高亮度区域的过度增强, 可保证图像具有较好的视觉感受。研究采用感知质量评估(PQA)和亮度阶误差(LOE)作为图像质量的评价指标, 通过对比实验发现, 所设计算法的PQA值最接近10, 增强图像的质量最好, 同时LOE值在67~204之间, 图像自然性保存最优。

在TFT制程中, 曝光工艺直接影响到薄膜的最终图案质量。为了分析与解决曝光色差问题, 需对面板的点灯现象与制备工艺进行调查与研究。首先, 通过扫描电子显微镜分析、错位曝光试验、数据分析等方法进行不良原因调查。同时, 借助开源软件GIMP和Fiji进行图像处理得到面板灰度数据, 对色差程度进行定量评价。然后, 通过调整曝光设备照度均一性与管控最优生产路径, 曝光色差发生率从10%以上降至1%以内, 有效改善面板显示品质。最后, 结合ExpertLCD光学模拟数据与电容耦合效应分析, 进一步阐述曝光色差的形成机理。研究发现, 像素电极临界尺寸应管控在一定范围并且需保证较好的均一性, 像素电极临界尺寸过小、过大都会使曝光色差更易显现。同时, 各导电层的临界尺寸也需保证较好的均一性, 以减小耦合电容对显示的影响。

针对控制方向未知的情况下，具有线性外部系统的不确定非线性系统的全局鲁棒输出调节问题，假设系统和高频增益符号是未知的，并且未知的参数可以是任意大，这就为控制器的设计带来了挑战。为了解决这个问题，首先，进行坐标变换，计算出新的状态方程; 然后，通过使用Nussbaum动态增益技术、自适应控制方法和内模原理，将鲁棒输出调节问题转化为鲁棒稳定性问题，并设计一种动态输出反馈控制器; 最后，通过所设计动态输出反馈控制器使得Lyapunov的导数负定，这样就从理论上解决了非线性输出反馈系统的全局鲁棒输出调节问题。通过实例说明了所提自适应控制器的有效性。

采用数字微镜器件(DMD)无掩模光刻技术,以飞秒激光为光源,结合大面积拼接的方法快速制备了具有较高分辨率和毫米尺寸的大面积微纳结构。提出以单子场投影线扫描的方式进一步改善由于光场能量分布不均匀引起的结构边缘粗糙的问题,极大地降低了线条的边缘粗糙度,有效地控制了结构的精度。本研究以半导体领域常用的正性光刻胶为主要研究对象,实现了面积为7.4 mm 2的1 μm等间距线阵列和面积为38.7 mm 2的10 μm等间距线阵列结构的快速制备。本研究为大面积微纳结构制备提供了一种新方法,所制备结构可应用于气液流动、药物输运及晶体生长等领域。

本文首先简述了人眼视觉的特点及感知彩色的原理, 进而引出了彩色夜视技术, 并且对彩色夜视技术的发展进行了简要的阐述, 对彩色夜视技术的意义进行了分析, 对现有的彩色夜视技术进行分类, 并对各典型的有代表性的彩色夜视技术及彩色夜视设备进行了详细描述, 分析各类别的优缺点。最后讨论了彩色夜视技术的难点以及未来的发展趋势, 为相关研究人员了解彩色夜视技术提供参考。

由于原始多示例学习(MIL)跟踪的分类效果和实时性较差, 提出了一种加权在线多示例学习跟踪算法。首先, 根据所选定目标位置分别采集目标和背景样本集, 通过对所采集样本集特征的在线学习生成弱分类器集; 然后, 用计算样本集对数似然函数的最大值的方法从弱分类器集中选择K个最优的弱分类器, 给每个弱分类器赋不同的权值, 生成一个强分类器; 最后, 在新的一帧中抽取目标和背景样本, 用生成的强分类器对待分类的目标和背景进行分类; 分类结果映射成概率值, 概率最大样本的位置就是所要跟踪目标的位置。对不同视频序列的测试结果表明, 该跟踪算法的跟踪正确率达93%, 目标大小为43 pixel×36 pixel时处理帧率约为25 frame/s。与原始多示例学习跟踪算法相比, 本算法的实时性提高了67%。

本文回顾了视频目标跟踪方法中常用的目标表示方法, 并对目标表示方法进行了系统地分类, 对现有的目标跟踪方法进行了分类, 并对每类中具有代表性的方法进行了详细描述, 分析各类别的优缺点。讨论了目标跟踪的难点以及未来的发展趋势, 为相关研究人员了解目标跟踪技术提供参考。

随着我国**研制水平的不断提高, 高速度、高机动能力的**装备越来越多, 为了使型号**中的目标跟踪器对于目标大尺度变化、速度快等情况有很好的鲁棒性, 本文设计了一款基于DSP+FPGA的实时目标跟踪系统。针对均值漂移算法不适用于快速运动目标等限制情况使用多级金字塔进行了改进, 采用背景加权的核直方图建立目标模板从而减小跟踪框中背景对于跟踪的影响, 并将整个算法进行了优化以在嵌入式系统上实时实现。实验结果表明, 本文设计的实时目标跟踪系统对于目标的快速运动、尺度变化以及一定程度的模糊均有很好的跟踪结果。每帧的平均处理时间为13.5 ms, 满足实际工程的实时性和稳定性要求。

为解决目标旋转形变、遮挡、光照变化等目标跟踪的难题，对粒子滤波和尺度不变特征变换(SIFT)算法进行了改进，结合两种算法提出了决策主导模式的多模跟踪技术。该技术采用粒子滤波预测目标位置进行粗定位，SIFT特征匹配进行精定位的方法，在解决上述难题上有很好的鲁棒性。将该技术应用于轮式侦察车图像处理器，并进行了各种实验验证，结果证明了提出算法的有效性。

针对传统的采样方法得到的图像数据量巨大，给图像信息的后续处理造成极大压力的问题，对压缩感知理论（Compressed Sensing，CS）进行了研究。压缩感知理论使采集很少一部分数据并且从这些少量数据中重构出更大量信息的想法变成可能，突破了奈奎-斯特采样定理的限制。综述了CS理论及关键技术问题，并着重介绍了CS理论在成像系统、图像融合、图像目标识别与跟踪等方面的应用与发展状况。文章指出CS理论开拓了信息处理的新思路，随着该理论的进一步完善，会有更广泛的应用领域。