在TFT制程中, 曝光工艺直接影响到薄膜的最终图案质量。为了分析与解决曝光色差问题, 需对面板的点灯现象与制备工艺进行调查与研究。首先, 通过扫描电子显微镜分析、错位曝光试验、数据分析等方法进行不良原因调查。同时, 借助开源软件GIMP和Fiji进行图像处理得到面板灰度数据, 对色差程度进行定量评价。然后, 通过调整曝光设备照度均一性与管控最优生产路径, 曝光色差发生率从10%以上降至1%以内, 有效改善面板显示品质。最后, 结合ExpertLCD光学模拟数据与电容耦合效应分析, 进一步阐述曝光色差的形成机理。研究发现, 像素电极临界尺寸应管控在一定范围并且需保证较好的均一性, 像素电极临界尺寸过小、过大都会使曝光色差更易显现。同时, 各导电层的临界尺寸也需保证较好的均一性, 以减小耦合电容对显示的影响。

为了有效地克服单波段前视红外图像中存在的点状杂波、 条状波浪以及局部高亮区域等随机杂乱背景的影响, 开展了基于多波段前视红外图像融合的海面杂乱背景平滑方法的研究。 充分利用多波段前视红外图像之间的互补性和差异性, 通过融合多波段红外图像的信息, 旨在平滑抑制海面杂乱背景并保持舰船目标的特征信息, 为舰船目标检测提供一幅优质的图像。 首先利用离散小波变换将多波段源图像分解为低频子带和高频子带, 其中, 高频子带主要包含了图像中背景以及舰船目标的细节信息, 低频子带主要包含了图像的亮度以及对比度信息; 对于高频子带, 在基于高频系数取绝对值最大法得到高频融合图像后, 计算每个像素的区域能量来对高频融合图像进行调制以抑制图像背景的细节信息而保留舰船目标的细节信息; 对于低频子带, 通过平均法融合低频子带并利用导向滤波对低频融合图像进行平滑滤波处理; 最后对高频融合图像和低频融合图像进行小波逆变换得到的重构图像即为融合图像。 对实际采集的多波段前视红外图像进行仿真实验, 将该方法与双边滤波、 导向滤波、 梯度最小化、 相对全变分、 双边纹理滤波和滚动滤波共6种图像平滑滤波方法进行对比。 结果表明: 所提出的方法通过有效地融合多波段图像的信息, 将空间域的平滑处理转换到频率域中进行, 能够很好地平滑海面随机杂乱背景并较好地保持舰船目标的结构、 灰度以及对比度信息, 大大增强了舰船目标的可分离性, 其图像平滑性能优于作为对比的6种方法。

红外图像舰船目标检测中, 目标通常位于海天/岸岛线附近, 预先检测出海天/岸岛线, 确定舰船目标的潜在区域, 可减少目标检测过程中的搜索范围, 降低数据处理量, 提高检测速度。针对传统的海天/岸岛线检测算法对不同背景图像适应性差的问题, 分析了海天/岸岛线特征, 提出了应用LSD线段检测算法和聚类的海天/岸岛线检测算法。首先通过LSD线段检测算法获取图像中局部直线轮廓, 然后通过K-均值聚类获取潜在海天/岸岛线区域, 最后通过分析潜在海天/岸岛线区域纹理特征确定真实的海天/岸岛线位置。实验结果表明, 该方法对多种背景下海天/岸岛线检测适应性强, 检测精度高。

针对红外成像系统盲元检测中，传统窗口全局阈值法阈值选取的局限性，结合盲元响应随机性特点，提出了一种基于超像素分割的盲元检测算法，给出了分割区域像素数及检测过程阈值设置方法；针对盲元校正问题，提出了一种基于结构相似度和空间邻域距离加权的相关像素插值的盲元校正算法，研究了不同加权方法对估计误差的影响。最后通过实验验证了算法的准确性和有效性，结果表明：本文提出的算法检测结果准确率高、漏检率低、虚警率低，校正后图像的 RMSE低于邻域均值法（AN， Average Neighboring method）和最近邻替代（NN，Nearest Neighboring method）算法。

针对复杂岸岛背景下的红外舰船目标检测问题，提出了一种多光谱融合红外舰船目标检测方法。首先根据不同谱段信息相互间的关系进行基于非下采样轮廓波变换(Nonsubsampled Contourlet Transform, NSCT)域的多级多光谱图像融合，然后利用LSD线段检测和聚类对融合后的图像进行岸岛线检测。采用选择性搜索算法生成初始目标候选区域，然后结合岸岛线空间位置以及舰船目标的几何特征和灰度特征约束剔除部分虚假目标区域，最后提取候选区域的方向梯度直方图(Histogram of Oriented Gradient, HOG)特征算子。利用线性支持向量机(Support Vector Machine, SVM)分类器进行分类识别，以检测出真实舰船目标。实验结果表明，与单谱段红外舰船目标检测方法相比，本文方法在检测精度上有较大提升。

针对海面背景舰船目标单一波段图像识别率低的问题,提出了一种基于卷积神经网络(CNN)的融合识别方法。该方法提取可见光、中波红外和长波红外3个波段舰船目标特征进行融合识别。模型主要分为3个步骤:通过设计的6层CNN,同时对三波段图像进行特征提取;利用基于互信息的特征选择方法对串联的三波段特征向量按照重要性进行排序,并按照图像清晰度评价指标选取固定长度的特征向量作为目标识别依据;通过额外的2个全连接层和输出层进行回归训练。采用自建的三波段舰船图像数据库进行模型的训练和测试,共包含6类目标,5000余张图像。实验结果表明,本文方法识别率达到84.5%,与单波段识别方法相比有明显提升。

考虑多波段图像的融合识别可以扩展识别系统的应用范围，本文探索并设计了一种基于卷积神经网络的融合识别方法。该方法以AlexNet网络模型为基础，同时对可见光、中波红外和长波红外三波段图像进行特征提取; 然后，利用互信息的方法对串联的三波段特征向量进行特征选择，依据重要性排序的方式选定固定长度的特征向量; 最后，依据特征提取层级的不同，分别以早期融合、中期融合和后期融合3种融合方式来验证算法的有效性。采用自建的三波段舰船图像数据库进行了模型的训练和测试，共包含6类目标，5 000余张图像。实验结果显示，采用的3种融合识别方法中，中间层融合的识别准确率最高，达到84.5%，比早期融合和后期融合分别高5%和7%左右。另外，在本文的应用场景下，无论何种融合方式，其融合识别的准确率均明显高于其他单波段识别的准确率。

针对天基观测星图的特点，分析了星空背景下运动小目标检测算法超时和虚警率过高的原因，引入并改进了 MTI滤波器对序列星图进行处理，避免了恒星识别的繁重计算；改进了小目标关联算法结构，在精确度较高的情况下较大范围地提高了算法效率。实验结果表明，改进算法耗时大大减少，能够有效控制算法超时和虚警率过高的风险，满足天基观测星图运动小目标轨迹检测的工程实际需要。

天文导航技术已经进入一个新的发展阶段，随着电子技术和计算机技术的发展，它已广泛应用于卫星、航天飞机、远程导弹和其他航天器。星点质心位置是天文导航技术的关键。由于白天强烈天空背景的干扰，拍摄的近红外恒星图像信噪比很低。首先，采用信息熵的方法来进行分析恒星的图像能量分布。然后，提出了基于多级的最小能量差星点目标质心定位的方法。此方法使用线性叠加，以缩小质心区域范围，使用恒星能量分布的对称性出现的最小差值时，得到星点质心坐标。通过测试自然拍摄的图像来验证算法的准确性。实验表明：该方法具有良好的低信噪比条件下的质心定位精度。

提出了一种基于感兴趣区域 ROI（Regions of Interest）的红外舰船目标定位方法，通过改进的 Itti模型提取包含目标的感兴趣区域，实现目标定位。首先应用小波变换代替 Itti模型的高斯滤波生成图像多尺度金字塔，并用 center-surround算子提取多尺度的视觉差异，再将生成的视觉特征图进行归一化并线性组合，生成显著图，最后运用交替式有效子窗口搜索算法 A-ESS（Alternating Efficient Subwindow Search）定位目标区域。实验结果表明：该方法能准确定位出目标区域。