由于表面微细结构的随机分布，实际使用的金属在光反射或热辐射时存在明显的遮蔽阴影效应。现有的双向反射分布函数模型采用分段型几何衰减因子进行表征，难以获得较高的精度。首先，分析了金属表面相邻微面元倾角差异对入射光与出射光产生的遮蔽与阴影效应。然后，基于微面元倾斜角与光线的几何关系对现有积分型遮蔽函数进行修正，用柯西分布表征金属表面微面元的分布，并提出了一种基于遮蔽函数修正的金属表面自发辐射偏振模型。最后，通过实验获取不同金属材料在加热条件下的自发辐射偏振度，以验证修正模型的效果。结果表明，相比现有模型，基于遮蔽函数修正的自发辐射模型仿真结果与实验测量数据更吻合。

热红外成像在人脸识别中具有重要的应用价值，但存在分辨率低、细节不清、边界模糊等不足。通过分析人脸长波红外偏振图像的特征，研究偏振探测技术对人脸热红外成像纹理细节的增强效果；基于高斯差分（DoG）边缘特征图像修正色域通道映射权重，提出一种人脸偏振热像RGB空间融合框架；利用方向梯度直方图（HOG）获取红外偏振人脸特征，提出一种基于支持向量机（SVM）的人脸识别方法。实验结果表明，偏振探测能够增强人脸红外热像的纹理和细节，RGB色域融合可以提高人脸长波红外热像的结构相似性，偏振红外人脸热像的质量指标整体优于普通红外热像；利用偏振红外人脸热像进行人脸识别时，所提框架的精度可达到75.6%。

针对Faster R-CNN算法存在特征提取不充分、检测框定位不准确导致检测精度不高的问题，提出一种多尺度特征融合和锚框自适应相结合的目标检测算法。首先，通过双向融合方法充分提取相邻层级间的深层特征和浅层特征；然后，均衡化处理多尺度特征，使集成的特征能获得来自不同分辨率下等量的语义信息和细节信息，提高目标的识别能力；最后，在区域提议网络（RPN）中利用目标的特征信息，通过自适应预测锚框的位置和形状来生成锚框。基于VOC数据集对算法的实验结果表明：与基于ResNet50的Faster R-CNN算法相比，所提算法中的多尺度特征融合策略加强了算法对不同尺度目标的检测能力，自适应锚框机制能够提高定位精度并避免小目标的漏检，算法整体的检测结果具有较好表现，平均检测精度提升了3.20个百分点。

为揭示疲劳损伤过程中金属表面形貌特征的变化规律，以Q235碳钢试样为对象，采集各疲劳损伤阶段试样表面的三维形貌信息并将其转化为灰度图，采用快速离散剪切波变换对图像进行分解和重构，获取到包含粗糙度、波纹度、形状误差信息的子图。利用灰度共生矩阵描述粗糙度子图纹理特征，得到了疲劳损伤过程能量、相关值、反差和逆差矩4类特征参数的变化规律。取一系列分解层数，开展多分辨分析，对比分析了不同分解层数对上述特征参数值的影响。结果表明：随着循环周次的增加，能量值和逆差矩值降低，反差值增加，上述特征量值的大小与提取方向的选取有关。疲劳断裂前，能量和逆差矩值突然升高，反差值突然降低。基于反差、能量和逆差矩三特征构建了支持向量机分类模型，此模型可用于构件疲劳损伤状态的评估。

红外热像法是检测金属疲劳损伤状况有效的方法，但是忽略了疲劳损伤过程中表面显微结构对自发辐射的影响，难以从微观角度对红外热像特征进行完整解释。金属疲劳是一个复杂的能量耗散过程，自发辐射具有偏振特性。在红外热像法中引入偏振探测，不仅能够获取温度场信息，而且能够获得包含发射率变化的表面纹理信息。基于此，搭建拉伸疲劳实验平台和偏振热像采集平台，以Q235低碳钢材料为研究对象，获取循环载荷作用下金属材料表面的热红外偏振图像，利用灰度共生矩阵（GLCM）提取偏振方位角、偏振度以及斯托克斯（Stokes）参量等热像纹理信息，分析金属疲劳损伤过程中金属材料的表面形貌的演化过程。实验结果表明，金属构件偏振热像纹理特征随着疲劳损伤周次不断变化，共生矩阵统计量呈现一定规律性。

提出了一种基于图像灰度和信息熵融合的红外偏振热像分割算法。首先运用图像局部平均灰度值与方差加权信息熵,寻找多偏振方位角热像的潜在目标区域并配准;其次用改进的模糊C均值聚类(FCM)算法进行逐一分割,将分割后的热像经集合运算后的结果作为支持向量机(SVM)的标签;然后对目标区域和背景区域的数据进行训练得到SVM模型并重新划分模糊区域;最后通过形态学处理去除误分割得到最终分割热像。实验结果表明,所提算法相较于最大熵法、最大类间方差(OTSU) 算法、FCM算法,能够得到更高的分割精度,有效地改善图像的错分割现象。

为了研究金属表面的偏振特性,分析光与物体相互作用的物理机理。首先,根据微面元散射特性,将目标表面的反射分为镜面反射、漫反射和体散射,并建立了三分量偏振双向反射分布函数模型。然后,利用非线性最小二乘法对模型参数进行优化。基于开源数据的仿真实验结果表明,相比其他函数,该函数拟合的曲线与实测结果更吻合;且描述不同金属表面偏振特性时的精度更高,能准确反映金属材料表面的反射信息,为研究金属表面的偏振特性提供了新思路。

为克服红外热像法的不足,提出一种基于表面红外偏振热像特征的金属疲劳损伤评估方法。首先给出金属疲劳损伤评估偏振热成像的理论基础,然后通过实验说明疲劳损伤过程表面微观形貌的变化规律,再基于Tsalis熵进行目标图像分割并分析其特征,最后通过主成分分析进行特征选择并构建基于BP(back propagation)神经网络的非线性预测模型。结果表明,模型训练、验证、测试结果与实际实验测量值具有较好的相关性,Q235平板试件的拉-拉疲劳损伤预测平均误差小于20%。

理想光滑表面具有很强的偏振特性,但实际表面通常较为粗糙,造成遮蔽效应明显和漫反射严重。为准确表征粗糙表面偏振特性,基于微面元模型,综合考虑遮蔽效应和漫反射情况下,建立一种改进的六参量偏振双向反射分布函数(pBRDF)模型,在此基础上推导出粗糙表面光学反射偏振度表达式。对铝和黑漆材料的偏振度进行模型仿真,反演其复折射率。结果表明,所提模型仿真值与实验测量值更加吻合,复折射率反演精度更高。对45#钢材料开展pBRDF测量,分析了不同入射角、反射角、粗糙度下偏振度的分布。实验结果表明,六参量模型仿真值与实验测量值均能较好地吻合,通过对漫反射部分建模增加了模型的准确性。该研究可为粗糙表面的探测和分析提供理论基础和方法。

传统红外热像存在对比度低、边缘模糊等不足而使目标区域分割困难, 红外偏振热像能够凸显边缘和轮廓特征, 因此在环境监测、**侦察、工业无损检测等领域得到广泛的应用, 但如何进行红外偏振热像分割目前研究较少。为此, 本文提出了一种基于 Tsallis熵的红外偏振热像分割算法。首先通过 Tsallis阈值对偏振方位角热像进行初分割, 然后以最小化初分割热像交集与并集误差率优化 Tsallis指数, 再利用指数优化后的 Tsallis阈值对偏振方位角热像进行优化分割并通过连通域检测去除误分割得到二次分割图, 最后以二次分割图交集区域为种子区域、并集区域为边界, 通过区域生长法得到最终分割热像。实验结果显示, 本文算法相对最小 Tsallis交叉熵法、Otsu法和模糊聚类法错分区域小, 在主观视觉效果和区域间对比度、形状测度评价指标上有较大的改善,能够更准确地分割出目标。