光谱估计是光谱成像领域的研究热点,提出一种自适应加权线性回归光谱估计方法,首先以线性化的伪逆求解算子为基础,利用齐次多项式对相机数字响应值进行扩展,利用Tikhonov正则化方法进行正则化约束,得到全局训练的光谱估计方法,其次依据训练样本对光谱估计精度的影响机理,在求解光谱估计矩阵时进一步引入高斯加权方法,建立自适应加权训练的光谱估计方法,以提高光谱估计精度。利用28种数码相机的灵敏度函数构建了仿真成像系统,以Munsell Matte颜色样本和X-rite ColorChecker SG色卡为实验样本,以光谱均方根误差和色差为评价指标,对本文方法进行了验证。结果表明,新方法在全局训练模式下能取得与现有全局训练方法同等水平的光谱估计精度,且能够克服现有方法存在的曝光敏感性问题;新方法在自适应加权训练模式下,无论是光谱精度还是色度精度,均优于现有方法。

为实现精密光学元件表面疵病的高效测量和精确统计,提出了一种基于光谱估计和多光谱技术的光学元件表面疵病检测方法。该方法利用光谱估计提取白光图像中不同波长的单光谱疵病图像,并合成多光谱疵病图像,然后采用优化后的OTSU(Otsu Image Segmentation Algorithm)分别对单光谱与多光谱疵病图像进行分析。基于该方法搭建了光学元件表面疵病检测装置,获得了白光照明条件下光学元件表面疵病的图像。实验结果表明,与原始白光图像相比,合成多光谱图像的疵病检出数量提升了1.85倍,疵病检出面积最大增加了6.0倍,检测效率得到明显提高。根据光学元件表面疵病的特性选取不同波长组合来生成单光谱与多光谱图像,可更加高效精确地检测出传统检测技术不易检出的疵病信息。

Auto-regressive (AR) spectral estimation technology is proposed to analyze the Brillouin scattering spectrum in Brillouin optical time-domain refelectometry. It shows that AR based method can reliably estimate the Brillouin frequency shift with an accuracy much better than fast Fourier transform (FFT) based methods provided the data length is not too short. It enables about 3 times improvement over FFT at a moderate spatial resolution.

在光纤布里渊光时域反射仪(BOTDR)系统中，对光纤中各处的布里渊散射谱中心频率的估计是测量的关键，也是最为费时的环节，导致BOTDR 系统难以做到快速响应。本文研究了ESPRIT 算法用来估计BOTDR 系统中的布里渊散射谱中心频率，并与基于快速傅里叶变换(FFT)的频率估计算法进行了比较分析。结果表明，ESPRIT 算法具有与补零FFT 算法配合上洛伦兹频谱拟合所得结果相近的性能。由于ESPRIT 算法对数据长度的要求较低，能够在短数据长度上获得较好的频率估计性能，因此能够在保证较高空间分辨率和测量性能的情况下，提高测量速度。

对于空间调制傅里叶光谱仪来说,由于数据长度受到CCD像元数量和最大光程差的限制。而分辨率大小反比于数据的实际长度,因此通常经过傅里叶变换所得到的分辨率是受到了数据长度的限制的。除了增加CCD像元数量、更改像元尺寸、改善光路等改变硬件的方法外,还可以使用现代谱估计的方法,通过对数据建立模型进行外推,从而有效扩充数据长度,提高分辨率。利用Burg算法,计算空间调制傅里叶光谱仪所得数据的自回归(AR)模型功率谱。通过此方法获得的计算结果在适当的AR模型选阶的情况下,具有高计算分辨率的特点,并且在获得数据的空间频率较低、像元数量较少的情况下仍然拥有一定的频率分辨能力。实验计算了不同选阶之下,FFT算法和不同选阶下Burg算法测量结果与其稳定程度,说明了Burg算法的选阶对光谱分辨率有着切实的影响,而且应用补零的FFT算法虽然无法提高光谱的分辨能力,但是会通过减少栅栏效应增强光谱计算分辨率,并且稳定程度与Burg算法在适当选阶下相近。

光谱颜色复现和色度精度是评价光谱重建算法准确的基础。 简单而直观的评价指标对颜色复现控制是必不可少。 该指标需要同时表征复现颜色的光谱差和色度差。 在研究光谱匹配评估的方法基础上， 提出基于颜色视觉感知的三种光谱评估指标， 通过加权人眼视觉匹配函数， 实现颜色光谱差与色度的评估。 通过孟塞尔颜色系统的光谱数据， 该论文分析与验证三种视觉加权的评估指标的有效性。 通过孟塞尔颜色系统数据， 这些指标在CIELab均匀色空间中分布均匀而稳定， 从而证明加权算法的评估指标是既表征到颜色感知又反映出颜色的光谱相似度。 实证结果表明， 加权的指标可以实现同时表征实际人眼的颜色感知和颜色光谱差异。 基于人眼视觉感知的评估指标解决了颜色的原始光谱和重建光谱的光谱匹配精度的定量评价问题。 所提出评价指标通过一个简单而直观的数值实现对复现颜色光谱与色度评估。

针对直接在光谱反射率空间, 对原稿颜色样本光谱的主成分分析会导致特征向量的数目超过真实物理维度(原稿所用基色色料)的数量, 以及特征向量和对应系数存在负值, 不能直接表示原稿基色色料的光谱特性和对应浓度等情况。 创新性的提出需根据原稿色料的光学特性建立一个完全线性的光谱空间, 并在该空间中使用带约束条件的非负矩阵分解实现对原稿基色数量和光谱形状进行预测的方法。 对此, 首先设计了一个实现对原稿基色色料光谱预测方法的总体研究方案和实现步骤, 再以透明色料原稿为例, 研究如何选择和构建一个符合其光学特性的光谱线性空间, 然后再在基本非负矩阵分解(BNMF)基础上提出针对基色色料光谱预测的有约束非负矩阵分解算法(SCNMF)。 针对BNMF算法会出现多重最优解, 为了提高预测精度, 使矩阵分解结果有明确的物理意义, 所提出的SCNMF算法需要满足4个约束条件: 非负性约束; 全加性约束; 平滑性约束; 稀疏性约束。 建立了满足约束条件的目标函数和迭代算法。 预测结果表明本文提出的新方法能有效的实现对原稿基色物理维度和基色色料光谱的准确预测。

提出了最大熵谱估计和LMS自适应算法提取激光测距系统的反射回波信号。研究了最大熵谱估计的信号检测原理，采用Burg算法求取AR模型相关参数，设计LMS自适应滤波器提取回波信号，并分析了Burg最大熵谱估计在激光测距系统回波信号检测中的应用。仿真分析表明，最大熵谱估计和LMS自适应算法相结合可以有效地从背景噪声中提取有用的激光反射回波信号。

为了解决目前动态光散射软件信号分析法采用的自相关和功率谱估计存在分辨率和方差较低，以及能谱泄漏问题，提出了基于现代功率谱估计的动态光散射信号分析法。对该系统所采用的现代功率谱估计算法和测量系统进行了研究。首先，介绍了动态光散射测量法涉及的光子相关光谱理论和散射光谱估计理论。接着，描述了基于现代功率谱估计的动态散射光谱法，特别是其中阶数p的计算方法。然后，介绍了测量系统，包括硬件部分的光学系统和信号采集处理系统，软件部分的系统开发流程。最后，对粒径分别为30、50、100 nm的乳胶球标准颗粒溶液(透光率为96%)进行了实验。实验结果表明：现代谱估计分析法的测量均值误差和重复性误差的平均值分别为1.88%和1.62%，满足国标要求的均值误差和重复性误差<2%。

提出了阈值检测、降噪处理和功率谱估计三种分析和处理水中气泡激光散射信号的方法。利用这三种方法分别对不同散射角时的测量信号进行了处理，得到了水中气泡激光散射强度随散射角的分布特性，并将实验结果与米氏(Mie)理论结果及水的散射强度进行了对比，比较和分析了三种方法的优劣。阈值检测法和降噪处理法分别以平均值和绝对偏差为中心来估计气泡散射强度，它们不能隔离直流分量。功率谱估计法处理得到的气泡角散射特性与Mie理论结果一致，能够区别开气泡散射和水的散射，两者相差近1个数量级。实验结果表明功率谱估计法是最合理的处理气泡激光散射信号的方法。