激光选区熔化（SLM）加工过程中的溅射形态随工艺参数变化，难以实现所有工艺参数下的溅射提取。基于传统阈值分割的溅射提取方法仅支持部分工艺参数且没有误差分析工作，处理结果不能反映真实溅射状态。基于高速摄像机采集的SLM过程溅射图像，提出一种强鲁棒性图像处理方法对其进行提取和处理。图像处理方法包含五个步骤，其中阈值分割过程基于最大熵阈值分割算法完成。结果表明，该溅射图像处理方法可准确提取多工艺参数下的溅射信息。当激光功率在100~150 W范围时，溅射面积和数量的变化取决于粉末熔化状态；当激光功率在150~200 W范围时，溅射面积和数量的减少由溅射叠加导致。

光子集成干涉成像方法是近年来发展起来的一种以高质量成像和系统扁平化为目标的远场成像方法,有望在同等分辨率下系统的能耗、体积和质量均减小至1/10~1/100。但是现有系统对于高频信号的采样具有稀疏特性,当使用傅里叶逆变换(IFT)求解物体强度分布时,复原的观测目标在锐边处出现Gibbs振铃伪影,从而影响成像质量。为了抑制伪影,提出熵先验并研究熵惩罚特性,利用熵先验并结合光子集成干涉成像的特点设计最大熵方法。为了验证方法的性能,采用性能较好的多层分级孔径排布结构进行仿真模拟,使用峰值信噪比(PSNR)、结构相似性系数(SSIM)和均方误差(MSE)作为像质评价手段。仿真结果表明,最大熵方法可以消除由高频稀疏采样带来的伪影,对于受振铃影响明显的图像,MSE和SSIM有50%以上的提升,PSNR提升10%以上。

本文对荧光自相关光谱(FACS)技术作为免疫分析技术的具体实现和潜在应用进行探究。实验分别以Alexa Fluor647荧光分子和绿色荧光蛋白抗原与抗体相互作用为模型,利用一款桌面式荧光相关光谱仪分别采集荧光分子抗原与不同浓度抗体混合液的荧光自相关数据。将传统FACS技术与最大熵值法相结合,我们可以对抗原-抗体结合程度进行定量和定性评估。使用自主开发的数据分析软件对采集的荧光自相关数据进行分析以获取抗原-抗体解离常数。实验结果表明,FACS技术应用于抗原-抗体亲和力检测,具有简便、快速、灵敏的特点;检测限在皮摩尔和纳摩尔之间;模块化的数据分析软件可标准化操作流程、提高数据分析准确性和可重复性。

为了避免原鲸鱼优化算法早熟收敛、易陷入局部最优等缺陷, 首先在原鲸鱼优化算法初始化过程中采用了猫映射产生混沌序列结合反向解方法取代随机产生初始种群; 其次在位置更新机制上采用了疯狂算子和黄金正弦算法的方法; 最后将改进鲸鱼优化算法用于寻求图像2维最大熵来确定图像分割最佳阈值的选取。对10个经典基准函数进行了试验仿真验证, 得到了原鲸鱼优化算法在初始种群多样性及寻解遍历性上有所增加, 全局搜索能力提高和摆脱局部最优的结果。结果表明, 改进算法能得到函数最优值0, 0.00030, -3.32; 改进算法在寻优能力和稳定性等方面有较大提升, 能实现对目标图像精确分割且耗时少。该研究为群智能算法应用于图像分割提供了参考。

从图像复杂度的角度，提出一种一维对象复杂度的灰度图像分割算法。用阈值将灰度图像分为背景与目标2类，统计其对应直方图与总像素个数，并计算对象复杂度；依据图像复杂度分割准则算法公式，遍历每一灰度级对应的图像复杂度值，选取图像复杂度值最小对应的灰度值为最佳分割阈值。仿真实验结果表明，与经典Otsu算法、信息最大熵算法和最小交叉熵算法相比，本文算法速度快，稳定性和效率最好，是一种通用有效的图像分割算法。

为了克服时域信号易受环境干扰影响的缺陷, 提高液体浓度光声测量的稳定性, 在已有的光声信号时域峰峰值特性研究的基础上, 对光声信号的频域特性展开研究。分别讨论了葡萄糖溶液光声信号的功率谱特性和最大熵谱特性, 并分别采用峰值检测、对数拟合等方法对光声信号的频谱特性进行分析。对比了葡萄糖光声信号时域峰峰值与功率谱、最大熵谱的非线性误差和重复性误差。实验结果表明: 对最大熵谱曲线进行对数拟合之后采用截距表征光声信号的方法, 其非线性误差和重复性误差相比于传统的时域峰峰值检测方法分别减小了28%和71%。由此可以得出: 频域分析方法可以显著减小葡萄糖浓度检测的非线性误差和重复性误差, 提高无创血糖浓度检测的精度与稳定性。

茶作为世界最受欢迎的三大饮料之一, 不仅能够提神醒脑, 而且还有帮助消化和降低血压等作用。 随着人们对茶叶品质要求的日益提高, 需要对不同品种的茶叶实现准确的鉴别分析以防止茶叶市场里茶叶品牌名不副实和以次充好等现象的发生。 为实现对茶叶快速精准的鉴别分析, 设计了一种综合采用傅里叶近红外光谱和新的模糊极大熵聚类(FEC)分析算法的茶叶品种鉴别系统。 传统模糊极大熵聚类分析在聚类含噪声数据时, 聚类结果往往容易出现错误, 即FEC对噪声数据敏感。 为解决这个问题, 在FEC分析算法的基础上引入可能C均值聚类分析(PCM), 提出了一种混合模糊极大熵聚类(MFEC)分析算法。 MFEC可通过迭代计算得到模糊隶属度值, 能实现对含噪声的茶叶傅里叶近红外光谱数据的准确聚类分析。 首先, 使用傅里叶近红外光谱仪(Antaris Ⅱ型)采集岳西翠兰、 六安瓜片、 施集毛峰三种安徽茶叶的傅里叶近红外光谱数据, 光谱波数范围为10 000~4 000 cm-1。 其次, 对采集到的光谱数据使用多元散射校正(MSC)进行预处理, 预处理后先用主成分分析(PCA)将光谱数据维数降至10维, 然后再用线性判别分析(LDA)对降维后的近红外光谱数据进行特征提取。 最后, 通过混合模糊极大熵聚类分析和传统的模糊极大熵聚类分析对三种茶叶的光谱数据进行聚类分析, 并对两种聚类分析算法得到的聚类准确率、 收敛速度等进行对比分析。 实验结果表明: 混合模糊极大熵聚类(MFEC)分析算法与传统的模糊极大熵聚类(FEC)分析算法相比较, 在相同的权重指数m下MFEC具有更高的聚类准确率。 在m=2条件下, MFEC的聚类准确率达到了100%, 而传统的模糊极大熵聚类在相同条件下聚类准确率仅为37.98%。 MFEC收敛过程中仅需迭代10次即可达到收敛, 而FEC需要迭代100次, 因此MFEC可以更高效的进行模糊聚类分析, MFEC相比于FEC聚类性能具有明显的优越性。 通过傅里叶近红外光谱技术, 混合模糊极大熵聚类分析结合PCA与LDA算法构建的茶叶品种鉴别系统能够高效快速的完成对岳西翠兰、 六安瓜片、 施集毛峰三种茶叶的准确分类, 为茶叶检测领域提供了一种创新的方法与设计思路, 具有一定的理论价值和良好的市场应用前景。

在电连接器插针缺陷检测系统中, 插针图像特征点的获取是检测关键, 为了实现插针位置的高精度检测, 提出了一种基于Zernike矩的插针特征点定位算法。通过增大Zernike矩的算子模板尺寸, 以及优化边缘阶跃模型, 提高了亚像素边缘检测算法的精度。将最大熵阈值法应用于Zernike矩边缘检测算法, 实现了自动选择最佳阈值, 解决了传统算法中手动调节阈值的低效率问题。对提取的亚像素边缘点进行拟合获得椭圆目标中心, 实现了插针的位置特征点提取。仿真实验与实际测试结果表明, 该算法能够实现图像边缘的亚像素检测和插针特征点的准确定位, 算法定位误差小于0.1个像素。

为了解决传统最大2维熵分割算法计算量大、耗时较多等缺陷, 提出一种基于改进遗传算法的最大2维熵图像分割法。通过对遗传算法变异操作方式进行改进, 提高遗传算法寻找最大2维熵分割阈值的速度, 加速分割算法对图像的分割, 并进行了仿真实验验证。结果表明, 改进模型的运行时间被压缩到了0.95s, 远远低于传统的最大2维熵分割法。改进的分割方法实现了分割效率的提高, 同时也保证了图像的分割精度。