为了使无人农机在复杂环境的生产过程中及时感知环境信息, 避免安全事故发生, 本文提出了一种 PIE(Poisson Image Editing)和 CGAN(Conditional Generative Adversarial Networks)相结合的红外与可见光图像融合算法。首先, 利用红外图像及其对应的红外图像显著区域对 CGAN网络进行训练; 然后, 将红外图像输入训练好的网络, 即可得到显著区域掩膜; 在对其进行形态学优化后进行基于 PIE的图像融合; 最后, 对融合结果进行增强对比度处理。该算法可以实现快速图像融合, 满足无人农机实时感知环境的需求, 并且该算法保留了可见光图像的细节信息, 又能突出红外图像中行人和动物等重要信息, 在标准差、信息熵等客观指标上表现良好。

三维X 射线衍射层析术(3DXRD)是一种快速的、无损的结构表征技术，用于研究毫米尺度的多晶样品中晶粒(亚晶粒)的空间分布。基于上海光源成像线站BL13W1建立三维了X 射线衍射层析术实验方法，并对图像重构中的若干影响因素进行了研究。通过椒盐噪声消除、对比度增强，有效提高了寻峰精度；利用德拜-谢勒环粗校与优值方程循环迭代细校相结合的方法，实现了衍射数据的精确校准，进一步采用并行运算，校准效率提高了4.5 倍。实验结果表明，该方法可同时实现近场和远场衍射信息探测，从而获取样品中晶粒的尺寸、质心位置、晶体学取向等信息，并能够给出晶粒形变程度的定量信息。

提取骨架是计算机断层扫描(CT)三维(3D)血管图像定量分析中的关键步骤，通常耗费数小时，直接制约了图像分析的定量研究。分析串行骨架细化算法各步骤中包含的可并行化操作，对其进行并行化设计，提出的算法通过OpenMP多线程技术实现，并采用不同大小的三维CT血管图像进行分析和测试。根据测试结果，改进后的算法获取到的骨架准确可靠，对于1.95 GB大小的三维血管图像，使用16个线程进行并行运算时，可将运算时间由176 min缩短到13 min，时间消耗上降低了一个数量级。因此，提出的方法可实现大型血管骨架的准确、高效提取，解决了大型三维图像分析问题中运算效率低这一瓶颈问题。