针对光场成像的空间域图像分辨率限制，提出一种基于自监督学习的空间域图像超分辨成像方法。利用深度学习中的自编码器，对全部光场子孔径图像同步进行空间域的超分辨重构。设计一种基于多尺度特征结构和全变差正则化的混合损失函数，约束模型输出图像与原始低分辨率图像的相似度。数值实验结果表明，所提方法对噪声具有抑制作用，在光场成像的不同数据集上的超分辨结果平均值超过基于有监督学习的光场空间域超分辨方法。

为了校正柔性变焦透镜变焦过程中出现的光学像差,提出了一种带校正像差功能的柔性变焦透镜。所提透镜由变焦模块和基于压电致动器的像差校正模块组成。制备了变焦透镜的原理样机并搭建实验光学系统对其进行了测试。测试结果表明,所提透镜可实现-1~5 D的屈光力变化;像差校正模块可精确重构3~9项Zernike多项式像差,归一化残余误差小于4%;对不同屈光力下的系统像差进行校正,校正后系统的波前像差下降幅值均在76%以上,系统成像质量明显提升。

核可能性C-均值(KPCM)聚类算法将核方法引入可能性聚类中,使其对超球体、含噪声和奇异点的数据能进行有效聚类,但存在可能性聚类的中心重合问题。因此,将β-截集引入KPCM聚类算法中,通过产生聚类核修改部分样本数据的典型值,以改善类间关系。同时,提出了一种基于截集门限的核可能性C-均值(C-KPCM)聚类算法,克服了KPCM聚类算法一致性聚类的缺陷。结合图像的非局部空间信息,利用自适应中值滤波算法可自适应调节滤波半径的特性,产生新的模糊因子,并将其加入C-KPCM聚类算法的目标函数中,提出了基于非局部空间信息的核可能性C-均值聚类算法,增加了强噪声干扰下聚类算法的鲁棒性,仿真结果验证了本算法有效性。

针对目前利用相机标定参数进行图像拼接的方法存在受场景限制大、标定过程复杂而耗时长的问题，提出一种多场景下基于快速相机标定的柱面图像拼接方法。首先，利用棋盘格标定板角点特征提取精度高的特点，使其分别位于两两邻接图像的重叠视场中，对该图像序列依次进行角点提取、精确化和匹配等预处理，以准确快速求解出待拼接图像间的配准参数；然后利用标定得到的配准参数快速拼接图像，通过柱面投影以保持图像的视觉一致性，并采用多频段融合以保留图像的细节信息；最后，将整个系统搭建在低功耗嵌入式平台，实现可在多场景下完成快速标定及基于标定参数的拼接过程。实验结果表明，该文方法在室内及隧道等场景下可准确快速完成相机标定，图像拼接过程耗时短，同时可保证较高的拼接精度和较好的成像效果，具有较强的鲁棒性。

针对管道检测过程中图像采集光照不均匀、缺陷边缘提取不准确的问题，提出一种基于自适应图像增强的管道机器人缺陷检测方法。首先设计单尺度Retinex 自适应图像增强算法，利用引导滤波对图像进行照度分量估计，经自适应Gamma 矫正得到光照均衡图像，实现自适应图像增强；再对传统Canny 边缘检测方法进行改进，采用双边滤波平滑图像，通过迭代阈值法进行缺陷图像分割，根据边缘像素相似性进行连接，实现缺陷轮廓的有效提取。搭建基于自适应图像增强的管道机器人缺陷检测系统，利用履带式小车搭载云台摄像机，对管道内壁缺陷进行全方位视觉检测。实验结果表明，本文的检测方法可自适应矫正图像亮度，图像亮度不均匀明显改善，相比次优算法，图像信息熵提升2.4%，图像平均梯度提升2.3%，峰值信噪比提升4.4%，可有效提取出管道缺陷边缘，缺陷识别准确率达到97%。

针对目前物体识别定位算法中，图像信息来源单一、处理过程复杂与定位误差大等问题，提出一种基于多模态信息的视觉识别与定位方法，通过提取二维图像和点云图像的多模态信息，实现对物体的识别与定位。先利用彩色相机获取目标的二维图像信息，通过轮廓检测与匹配处理进行轮廓识别，再提取图像SIFT 特征进行定位跟踪，得到物体的位置信息；同时采用RGB-D 相机获取目标的三维点云图像信息，经过预处理、欧式聚类分割、VFH 特征计算、KD 树搜索得到最佳模板，进行点云图像的识别，并经点云聚类配准获得物体方向信息。最后，利用上述二维图像和点云图像处理所得物体信息，完成对目标的识别与定位。通过机器臂抓取实验对本文方法的效果进行了验证，结果表明，采用二维图像和点云图像的多模态信息进行处理，能够有效对不同形状的目标物体进行识别与定位，与仅采用二维或点云单模态图像信息的处理方法相比，定位误差可减小54.8%，方向误差减少50.8%，具有较好的鲁棒性和准确性。

激光回波强度为点云数据的一种属性信息, 是目标对发射激光光束后向散射回波的光功率, 可以反映目标物体的表面特性。毛竹表面特征由其生理生长特性决定, 通过分析激光回波强度信息, 构建不同年龄竹秆的节间与激光回波强度的关系模型, 比较不同年龄毛竹拟合激光回波强度与实测激光回波强度的均方根误差, 以此判别毛竹的年龄, 并验证分析模型精度。结果表明：不同年龄和不同节间毛竹竹秆激光回波强度差异性显著, 节间内激光回波强度的差异性不明显; 该方法判别年龄的准确率达到92.5%, 地面三维激光扫描技术可为快速测算毛竹生物量提供竹龄参数。

影响地面三维激光扫描点云精度的因素有很多, 它们共同存在且交互影响, 研究各因素及其交互作用对点云数量、点云反射强度和点云标准偏差的影响有利于有效地提高地面点云精度。选择目标物的颜色、粗糙度、距离作为研究对象, 利用多因素方差分析法、多元线性回归分析法, 分析了各因素及其交互作用影响的显著性, 并拟合了点云标准偏差和点云反射强度的回归方程。研究结果表明：目标物距离对点云数量的影响较大, 5 m距离的点云数量约是30 m距离的40倍, 距离与点云数量成反比; 目标物颜色对点云反射强度的影响较大, 白色最大点云强度可达0.54, 而黑色只有0.18, 点云反射强度从大到小为白色、绿色、蓝色、红色、黑色; 目标物距离对地面三维激光扫描点云标准偏差影响最大, 30 m距离的点云标准偏差是5 m距离的3倍左右, 颜色次之, 粗糙度的影响不明显, 点云标准偏差与点云反射强度具有幂函数关系。