露天矿山台阶爆破后矿岩的平均块度是衡量爆破质量的重要指标。早期研究主要依靠经验公式总结、岩体力学模型计算等方法, 这些方法存在准确率不够、主观性强等缺点。近期, 机器学习算法应用于块度预测, 但基本通过专家经验选用固定的特征来进行预测且预测稳定性不足, 泛化能力差。针对以上缺点, 提出一种基于特征工程的极端梯度提升树(XGBoost)爆破块度预测模型。以太原袁家村铁矿为研究区, 采集近半年的爆破数据作为原始数据, 综合考虑影响平均块度的各方面因素。首先使用随机森林(RF)的袋外估计和互信息(MI)两种方法分别进行特征选择, 其次将不同方法选择的特征子集集成并利用特征之间的互信息进行去冗余, 最后以MSE的值为评价指标选出最优特征子集表征爆破, 完成基于数据驱动的特征选择。更进一步, 在最优特征子集上采用XGBoost 算法进行块度预测, 通过均方误差(MSE)、平均绝对误差(MAE)两个指标构成模型的评价体系将文章所提方法与其他传统机器学习算法进行对比。对比结果表明:文章提出方法比传统机器学习算法的预测准确率更高, 可以为爆破的管理与控制提供科学指导。

磁控管具有功率大，效率高，体积小，成本低等特点，且输出频谱也与其阳极电压和阴极电流密切相关，据此特性研制了基于磁控管的 S波段大功率窄带随机信号源。通过实验探究不同阴极电流和阳极电压下磁控管的输出频谱，并利用微控芯片控制磁控管的阴极电流和阳极电压产生随机变化，实现了大功率窄带随机信号的产生。结果表明，窄带随机信号的中心频率为 2.46 GHz，平均输出功率达到 1.4 kW，直流到微波的转换效率超过 70%。本文研制的大功率窄带随机信号源在通信干扰与抗干扰等领域有潜在的应用价值。

基于互信息的视觉伺服使用图像全局信息来实现伺服控制, 避免了对传统几何特征的提取、匹配和跟踪, 并且对光照变化、部分遮挡具有鲁棒性, 但由于其任务函数的高非线性, 该方法具有收敛域较小的缺点。提出了基于主成分分析(PCA)重建图像的互信息视觉伺服方法, 有效降低了任务函数的非线性。通过实验比较了基于PCA重建图像的互信息视觉伺服和基于原始图像的互信息视觉伺服收敛域大小及收敛速度, 并考虑了PCA中主成分个数的影响, 结果表明基于PCA重建图像的互信息视觉伺服有效地扩大了互信息视觉伺服的收敛域, 且具有更快的收敛速度。

针对红外与可见光图像融合方法存在的对源图像特征分离不充分、可解释性低且融合规则难以准确设计等问题，提出基于互信息特征分离表达的红外与可见光图像融合方法，有效分离特征的同时保留源图像的典型信息。首先，采用互信息约束的编码网络提取特征，最大化源图像与特征间互信息来保留源图像的特征表示，同时通过最小化私有和公有特征的互信息来达到分离表达的目的；其次，特征融合阶段设计了层级特征自适应融合模块来有效融合不同层级的特征信息，减小语义差距并调整感受野，增强网络对特征的学习能力；此外，损失函数采用软加权强度损失来平衡红外与可见光特征分布；最后，对比实验的主客观评价结果表明，所提方法能有效融合红外与可见光图像的重要信息，具有良好的视觉感知。

在页岩气开采过程中，基于相位敏感光时域反射计（Φ-OTDR）的分布式光纤声波传感（DAS）系统是对水力压裂作业中产生的微震波进行监测的常用方案。为了提高Φ-OTDR系统测量振动信号的信噪比，提出了一种基于变分模态分解（VMD）和互信息（MI）的振动信号去噪方法，对数字正交（I/Q）解调得到的相位信号进行进一步处理，VMD层数K通过去趋势波动分析（DFA）计算的标度指数确定，相位信号的失真和噪声通过剔除MI法确定的非相关模态进行抑制。并搭建了相干探测Φ-OTDR系统验证VMD-MI方法的去噪效果，分别对500 Hz单频振动信号和500、1000、1500 Hz多频振动信号使用VMD、小波降噪（Wavelet）、经验模态分解（EMD）、自适应噪声完备集合经验模态分解（CEEMDAN）进行处理。实验结果表明，所提方法对振动信号信噪比提升最为明显，在Φ-OTDR系统中具有良好的实用性。

采用近红外光谱进行检测时，光谱波段包含了大量的噪声和散射，这些都影响了模型的稳定性。基于竞争性自适应重加权算法（CARS）和互信息算法（MI）的特征波长筛选方法来建立偏最小二乘（PLS）回归模型，探测苹果内部的可溶性固形物含量（SSC）。通过光谱仪获取800~2400 nm的120个样本的漫反射光谱数据，经过预处理之后的数据通过Kennard-Stone（KS）算法随机选取96个作为校正集，24个作为预测集，然后分别建立全波段PLS模型、CARS-PLS模型和MI-PLS模型来对比分析。结果显示：利用全波段建立PLS模型，模型的决定系数R²为0.8511，模型均方根误差（RMSEC）以及预测均方根误差（RMSEP）分别为0.9413和1.1915；CARS算法筛选的特征波长点变量从303减少到了12，下降了96.03%，建立的PLS模型决定系数R²为0.8746，上升了2.76%，RMSEC和RMSEP分别为0.864和0.9757；MI-PLS模型包含了56个特征波长点，选用的波长占全波长的18.49%，R²、RMSEC和RMSEP分别为0.9218、0.6822和0.8235，MI-PLS与CARS-PLS相比特征波长数增长了64.55%，决定系数R²提高了0.0472。因此CARS和MI算法都能很好地解决光谱数据本身的噪声、散射等问题，可以有效用于特征波段筛选，所建立的模型可以对苹果内部SSC含量进行测定。

针对眼镜镜片成像性能评价，根据信息论的概念，对物面与像面图像进行小波变换分解得到多个不同子频带图像，计算分解之后的各个子频带的区域互信息值(RMI)。依据人眼视觉系统对不同频率光学信号敏感度不同的特点，采用小波滤波器和人眼模型的MTF的空间频段积分比反映人眼对不同频率信号的敏感程度，以该积分比作为各频带RMI的权重系数,加权计算得到MRMI值。选取了目前市场上六款不同阿贝数和折射率的镜片进行测量实验，得到每款镜片的成像MRMI值，其定量反映了镜片的成像性能，与人眼视觉主观感知相符。

针对光学和SAR影像间非线性辐射差异和乘性噪声导致匹配效果不佳的问题，提出了一种耦合相位一致性与互信息的光学影像与SAR影像自动配准方法。首先，基于相位一致性矩特征图在参考影像上检测均匀分布稳定的特征点。其次，构建一种新的相似性测度最大索引图互信息，采用模板匹配策略实现同名点快速识别。最后，通过边缘化样本共识算法剔除外点，并利用分段线性变换模型几何纠正，实现光学-SAR影像间的精配准。对4组中高分辨率光学与SAR影像进行了实验，实验结果表明，所提方法相较于其他先进方法具有更高的配准精度。

通过融合浮游植物藻类细胞显微明场图像和荧光图像对浮游植物进行鉴定可以有效提高浮游植物鉴定的精度，然而在图像采集过程中存在明场图像与荧光图像中藻细胞位置不匹配的问题。为此，本文以刚体变换作为明场图像与荧光图像的空间变换模型，以明场HSV颜色空间S通道二值化图像与荧光灰度二值化图像的归一化互信息作为明场图像与荧光图像的相似度，利用粒子群优化算法对小波五级分解的低频分量进行粗配准，然后将初步配准的平移量和旋转角度作为初始值，利用鲍威尔算法对小波三级分解的低频分量进行配准精度微调。栅藻、羊角月牙藻和念珠藻的实验结果表明：对明场图像与荧光图像进行处理后的归一化互信息具有明显的峰值，可以更好地表征浮游藻细胞明场图像与荧光图像的相似度；将粒子群优化算法与鲍威尔算法结合的多分辨率图像配准方法，对栅藻、羊角月牙藻、念珠藻显微明场图像与荧光图像配准的误配率分别为0、9.4%、6.5%，平均配准时间分别为10.43、27.98、17.02 s，配准后的归一化互信息分别为0.673、0.495、0.631。研究结果验证了所提方法在配准精度、运行时间等方面的优势，为融合显微荧光图像和明场图像进行浮游植物鉴定奠定了基础。

图像融合时, 两路异源视频输入往往会因为光学系统和空间位置的差异而造成两路图像存在视差, 进而造成图像融合时出现虚边、伪影问题, 因此在图像融合前需要进行图像配准工作。针对当前异源图像配准存在的实时性差导致无法在实际工程中应用的问题, 提出了一种基于RANSAC和互信息的图像配准算法, 通过将不同维度的配准运算划分到初始配准和实时配准中, 同时引入Powell优化算法加速搜索, 在不降低配准精度的同时保持了较高的实时性。最终用所提算法进行了基于Zynq的嵌入式硬件移植和算法加速, 实现了高精度、高实时性的嵌入式图像配准系统。