求取体积参数是空间体对象形态分析的基本内容。采用激光雷达对空间物体进行扫描获得激光点云并求得其体积。首先使用三维激光雷达扫描物体获得原始点云;点云经过三维空间变换后,对点云进行缺失数据修补;再通过滤波和下采样处理进行点云去噪和点云数据的精简;最后采用一种隐式曲面重建算法构建三维点云的mesh网格模型,进而由网格模型求取体积。通过实验验证,使用激光雷达分别扫描了两个实验对象,将实验体积结果与实际的体积数据相比,误差分别仅为0.456%和0.394%,表明该体积计算方法有良好的曲面重建效果和体积计算精度。

在机载激光雷达扫描过程中,建筑物背面的地面边缘线常常被遮挡,无法获取精确的建筑物背面边缘点信息,在利用获得的激光点云进行三维重建时,使得创建数字表面模型(DSM)的精度较低。为消除背面边缘点缺失造成的DSM精度降低,提出了一种建筑物地面缺失边缘线的自动提取算法;通过提取建筑物侧面和地面局部点云的拟合趋势面,计算两相邻局部趋势面的交线,并补充缺失部分的边缘点数据;最后采用补充了边缘点的建筑物激光点云重建了建筑物的DSM,并对边缘点补充前后的DSM精度进行了对比仿真实验。仿真结果表明,通过提取和补充建筑物的边缘点可有效提高建筑物重建DSM的高程精度。

针对噪声图像，提出一种视觉掩盖效应下的无参考图像信噪比评价方法。采用Hosaka分块思想，利用四叉树分解，取消了Hosaka分块对图像尺寸的限制，分块的大小体现出块内图像的主要频率成分；然后检测各个子块噪声，根据图像的污染程度，计算NRPSNR值。利用LIVE Database Release2图像库中的WN的174幅图像检验NRPSNR与DMOS的相关度，并与MSE、PSNR以及HVSNR比较分析。实验结果表明，该方法总体评价效果优于其他3种评价方法，CC为-0.895 0，SROCC为-0.923 6，OR为0.042 9，主客观评价比较吻合，且对于其他噪声类型同样适用，体现了人的视觉掩盖效应，可以满足对无参考噪声图像进行准确可靠的质量评价要求。

在基于噪声图像的无参考峰值信噪比质量评价方法中，为了得到最优的阈值参数,提出以图像块均方误差阈值threshold1、噪声检测阈值threshold2为输入因子, 以Pearson相关系数和Spearman等级相关系数为输出因子, 以实验值为样本建立［2 7 2］单隐层BP神经网络模型，应用BP神经网络的泛化能力实现对相关阈值参数的预测优化，为阈值参数的选择提供理论依据。实验结果表明，所建立的数学模型可靠，预测结果与试验值的偏差小，训练好的BP神经网络能够比较准确地预测不同阈值参数下的相关系数。优化后，选取threshold1=101，threshold2=4，Pearson相关系数达到了-0.895 0，Spearman等级相关系数达到了-0.913 6，评价效果得到提高，且节省大量时间。

提出一种基于对比度敏感度的无参考图像清晰度评价方法，用于评价光测设备无参考电视图像的清晰度。首先通过低通滤波器构造原始图像的参考图像，并对两者进行离散余弦变换(DCT)，其次将变换后的中频系数和高频系数各分为高低两档后进行离散余弦反变换处理得到各自子图像，然后计算相应子图像的结构相似度SSIM，最后将各子图像结构相似度加权求和得到图像的清晰度; 为体现对比度敏感度函数(CSF)特性，权值设为该频带内所有频率系数绝对值的均值。对145幅高斯模糊图像的评价结果显示，相关系数(CC)为0.915 2，Spearman等级相关系数(SROCC)为0.907 9，离出率(OR)为0.034 5，准确性、单调性、一致性较高，可以在序列离焦电视图像中快速准确地找出离焦量最小图像，且效果优于运用较广泛的调焦评价函数梯度能量函数等4种传统梯度评价函数; 对于不同类型的电视模糊图像的评价结果更加符合人眼的视觉特性，可以满足对光测设备无参考电视图像清晰度评价的要求。

针对出口不锈钢食具重金属检测的要求,我们提出使用火焰原子吸收的方法,比传统的测试方法石墨炉原子吸收法,方便、快捷.同时比较了两种方法的样品测试值,证实火焰原子吸收光谱法测试不锈钢食具中的铅、铬、镍切实可行.