基于非近轴光线追迹算法对光楔扫描系统的正向问题进行求解，得到不同速度比下的花瓣形扫描轨迹。根据光楔转速和取样间隔计算轨迹点数，根据轨迹点与坐标原点的距离曲线的极小值点个数计算花瓣数，进而建立由速度比计算花瓣数的关系式。通过轨迹点数和花瓣数评估不同速度比对应的扫描轨迹的扫描时间和覆盖率，总结扫描轨迹与速度比之间的规律，提出三光楔扫描系统获取规则、对称且不存在大片扫描盲区的扫描轨迹时速度比需要满足的条件。所得规律和结论可在光楔扫描系统的应用中合理确定速度比，从而选取满足扫描效率要求的扫描轨迹。

为了进一步阐明铝合金表面丙烯酸聚氨酯漆层的激光清洗机制，揭示扫描速度对激光除漆的影响规律，首先采用万能试验机测定了漆层强度极限，结合多种技术手段分析研究了单脉冲热-力耦合COMSOL仿真与清洗实验结果，探究了四种扫描速度（1000、900、800、700 mm/s）下除漆表面宏微观形貌及成分变化。结果显示：单脉冲除漆凹坑内存在明显分层与碎裂，除漆最大深度和宽度分别为34.3 μm和125 μm；漆层强度极限为2.68×10⁷ Pa，与热应力仿真结果接近；随着扫描速度逐步降低，漆层去除深度不断增大，氧化膜逐步显现，面漆着色剂（β型铜酞菁）与漆层功能性氧化粒子的沉积量逐渐增加。研究表明：单脉冲激光除漆过程主要包括烧蚀、热应力和等离子体冲击三种除漆机制；随着扫描速度的逐渐降低，烧蚀除漆效果逐渐增强，等离子体冲击除漆效果逐步减弱，热应力除漆效果保持不变。

针对相对平行直线扫描CT（PTCT）图像重建存在的有限角伪影问题，提出一种学习局部和非局部正则项的深度迭代展开方法。该方法将具有固定迭代次数的梯度下降算法迭代展开到神经网络，利用具有坐标注意力（CA）机制的卷积模块和Swin-Transformer模块作为迭代模块交替级联部署，构成端到端的深度重建网络。卷积模块学习局部正则化，其中CA用于减少图像过平滑；Swin-Transformer模块学习非局部正则化，提高网络对图像细节的恢复能力；在相邻模块间，使用迭代连接（IC）增强模型提取深层特征的能力，提高每次迭代的效率。通过消融实验验证了网络各部分的有效性，并在两种类型的数据集上进行实验，结果证明了本文方法的效果。实验结果表明，本文方法在抑制PTCT重建图像有限角伪影的同时，能较好地保留重建图像细节，提高重建图像质量。

针对被测样品的组成物质已知且彼此不混合的情况，提出了一种结合能谱信息的单能谱计算机断层扫描（CT）图像重建方法。该方法利用已知物质作为基材料对CT投影数据的采集过程进行数学建模，然后对该非线性模型进行基材料图像的迭代求解。在求解中，通过将基材料“不混合”的性质转化为向量正交性，实现了迭代过程的快速收敛。本文方法充分考虑了X射线的能谱和被测样品材料的属性，可显著地校正传统CT图像中的硬化伪影和金属伪影，有效地提高该类样品的CT成像质量。实验验证了所提方法的有效性。

在微焦CT成像中，通常利用增大X射线源管电压、管电流来提高扫描效率，但射线源功率增加会导致焦点尺寸增大，投影图像模糊，从而降低重建图像的空间分辨率。为了解决因非理想射线源焦点引起的图像模糊问题，本文提出利用深度学习在投影域映射非理想焦点与理想焦点投影之间的关系。推导了理想焦点投影与非理想焦点投影的正向关系，基于该关系构建配对数据集；提出一种基于自注意力机制的U-net网络（SU-net）学习非理想焦点投影到理想焦点投影的逆向关系。仿真实验和实际实验结果表明，提出的SU-net方法能准确地从非理想焦点投影中估计出理想焦点投影，可有效减少焦点导致的图像模糊。

针对传统变形监测中整体变形模型无法有效提供监测对象局部独特详细变形信息的不足，基于地面三维激光扫描技术提出一种包含元变形、子变形、变形图的三层混合变形模型，并设计了一种基于单元的变形计算方法。该方法主要包括单元分割、变形估计、变形融合等3方面内容，可以实现无先验监测信息条件下，自动增量地提取不同尺度的变形信息。模拟实验结果表明，在该方法下，RANSAC算法的平面拟合回归估计角度变化误差均值为1.21″，估计可靠性在一定范围内随单元大小增大而提高；滑坡实验结果表明，最小值法位移估计结果噪声更少，0.2 m单元大小分割可以提供更多的变形估计细节。所提方法尤其适用于具有非均匀变形特性的监测领域，对推动滑坡等人员难以到达的灾害监测从“点监测”向“面监测”的转变具有一定的理论与实际意义。