岩石爆破块度作为评价爆破效果的主要指标, 直接影响到水利水电工程后续的建设目标和建设成本。在工程爆破开采石料过程中, 提高爆破效率和质量, 满足良好的级配曲线需求, 对水利水电工程建设筑坝骨料的开采具有重要意义。通过建立二维有限元数值计算模型, 开展了自由面数量和孔间不同延迟时间对岩石爆破破碎效果影响的研究。首先从理论角度阐明了孔间应力波的相互作用和爆炸应力波在自由面的反射机理, 分析了爆破裂纹产生的条件; 然后借助ANSYS/LS-DYNA有限元软件, 采用RHT模型模拟了不同数量自由面、不同孔间延迟时间条件下群孔起爆岩石破裂过程, 并采用WipFrag分析了不同起爆条件下的岩石级配情况。数值模拟结果表明: 不同数量自由面对爆破级配的影响明显, 与无自由面相比, 单个自由面、两个自由面、三个自由面的最大块度分别减小了25.9%、46.5%和61.8%, 其他块度指标也明显减少, 可见自由面数量越多, 岩石中产生的裂纹数量越多, 爆破破碎效果越好。与同时起爆相比, 延迟爆破有利于提高岩石的破碎效果, 但在短延迟爆破中应力波在孔间相互作用对提高岩石的破碎效果并不明显。

数字光弹性应力分析中常用相移法确定等倾线和等差线，最广泛应用的是十步相移法，针对单色光入射引起的等倾线耦合等差线的问题，增加采集白光入射4幅图像，使用不同光弹图像集分别计算等倾线和等差线，测量精度更高但操作复杂、效率较低。本文提出一种优化的六步混合相移方法，将十步相移法的6+4测量方法缩减为3+3的六步测量方法。用仿真模拟实验对本文方法进行误差分析，验证了其具有良好的抗噪性能和相移误差抗干扰能力。真实实验结果表明：与传统六步相移法相比，本文方法有效解决了等倾线耦合等差线以及波片失配误差的问题；与十步相移法相比，本文方法与其等倾线平均偏差约为0.01 rad，等差线平均偏差约为0.09 rad，在提高40%采集效率的同时保证了测量精度。

为快速准确根据测得的梯度场重建表面面形, 针对基于最小二乘全局积分的重建技术, 采用紧致差分算子建立全局最优化的代价函数以提高重建精度, 将代价函数表示为Sylvester方程, 利用Hessenberg-Schur算法求解, 将常用最小二乘全局积分技术的空间和时间复杂度分别从O(N2)和O(N3)降低到O(N)和O(N3/2)。实验结果表明: 采用四阶精度的紧致差分算子时, 文中算法重建精度比高阶截断误差最小二乘积分法(HFLI)和全局最小二乘法(GLS)提高了一个数量级, 采用六阶精度的紧致差分算子时重建精度比基于样条的最小二乘积分法(SLI)提高了一个数量级; 鲁棒性优于GLS, 弱于HFLI和SLI; 重建速度显著优于HFLI和SLI, 略优于GLS。

针对已有的相对角差法面形检测的原理验证装置,提出了一种具有更高稳健性的最小二乘积分面形重建算法。利用相对角差改写了经典最小二乘积分技术的代价函数,避免了积分重建中的测量误差累积的问题,空间复杂度和时间复杂度仍分别为O(N²)和O(N³)。仿真结果表明,本文算法的稳健性显著优于Zernike波前重建法与基于样条的最小二乘积分法(SLI);实验结果证明,本文算法可适用于大口径角差法面形检测。

针对现有的基于卷积神经网络的车辆目标检测算法不能有效地适应目标尺度变化、自身形变以及复杂背景等问题, 提出了一种融合多尺度上下文卷积特征的车辆目标检测算法。首先采用特征金字塔网络获取多个尺度下的特征图, 并在每个尺度的特征图中通过区域建议网络定位出候选目标区域, 然后引入候选目标区域的上下文信息, 与提取的目标多尺度特征进行融合, 最后通过多任务学习联合预测出车辆目标位置和类型。实验结果表明, 与多种主流检测算法相比, 本算法具有更强的鲁棒性和准确性。

针对红外与可见光双波段夜视图像增强提出了基于oRGB颜色空间的彩色融合算法。选择亮度与颜色分离的对立色颜色空间, 应用多尺度Top-hat变换方法将红外与可见光增强融合图像作为伪彩色图像的亮度分量, 根据双波段图像的差异性并结合参考图像色调构造颜色分量; 为避免线性变换的颜色传递方法容易造成灰度级压缩或过饱和情况, 在分析颜色传递机理的基础上, 使用非线性的直方图匹配方法实现颜色传递。实验结果表明, 融合图像的颜色分布更自然, 纹理细节、整体亮度和对比度等视觉特征表现更优。

针对旋翼式无人机视觉着陆过程中位姿估计精度低、适用距离小的问题，研究了一种基于分级合作目标的融合位姿估计方法。首先，通过分级合作目标的质心相同和固定面积比等属性确定目标区域，并利用LSD直线提取方法获取特征点坐标信息。然后，利用Tsai方法与快速四点方法的融合方法进行无人机位姿参数估计。实验结果表明，分级合作目标增大了无人机位姿估计的适用距离，且该融合方法提高了位姿参数估计精度。

针对视频序列的稳健性目标跟踪问题,提出一种基于卷积神经网络(CNN)与一致性预测器(CP)的视觉跟踪算法。该算法通过构建一个双路输入CNN模型,同步提取帧采样区域和目标模板的高层特征,利用逻辑回归方法区分目标与背景区域;将CNN嵌入至CP框架,利用算法随机性检验评估分类结果的可靠性,在指定风险水平下,以域的形式输出分类结果;选择高可信度区域作为候选目标区域,优化时空域全局能量函数获得目标轨迹。实验结果表明,该算法能够适应目标遮挡、外观变化以及背景干扰等复杂情况,与当前多种跟踪算法相比具有更强的稳健性和准确性。

提出了一种双TIA(Trans-Impedance Amplifier)电路模型, 即在PD的两端均接入TIA电路, 并对电路进行了理论分析, 最后对理论电路进行了仿真讨论, 对实际电路进行测试, 结果显示在保证精度与成本不变的情况下, 探测范围增大了10 dB。

基于多分辨率分析的图像融合是当前主流技术, 然而因其包含分解和重构变换, 导致算法复杂性高, 难以满足图像序列融合的实时性要求。针对此问题, 提出了一种多传感器图像互调制快速融合 (FMMF)算法。首先对两幅源图像分别用基于对应像素能量比值所确定的系数进行放大, 然后分别加上由图像统计参数得到的偏移项, 最后将两部分相乘并规范化即得到融合图像。实验结果表明, 算法结合了加法和乘法调制的优点, 简单快速, 实时性好, 是一种非线性的互调制融合过程, 其融合效果和效率优于小波融合、金字塔融合等算法。