作为一种新兴的纳米材料，CdSe/CdS 量子棒的偏振发光特性使其在应用于新型液晶显示中极具潜力，而如何将量子棒材料在宏观尺度上大面积的定向排列是实现该技术的关键性问题。在本文中，我们报道了一种大面积、含定向排列量子棒、基于PMMA纳米纤维制成的偏振增亮膜。首先，采用一种新的TBP辅助合成方法，合成出具有核壳结构的CdSe/CdS量子棒。该材料的绝对量子产率达到了60%，发光波长的半峰宽为25 nm，具有182 nm的大Stokes位移。随后将这些量子棒溶于氯仿、DMF和PMMA混合溶液中制备用于静电纺丝的纺丝液。通过静电纺丝技术，将含有量子棒的聚合物纳米纤维通过滚筒收集处理，得到了一张透明、大面积、偏振增强的增亮膜， 5 cm2 增亮膜的偏振度为0.45。最后将制备的增亮膜嵌入一个液晶显示模组中测试，结果显示该模组的亮度提高了18.4%。这一结果表明我们制备的量子棒增亮膜在新型宽色域高光效显示领域具有非常广阔的应用前景。

随着显示行业发展，市场对液晶显示品质提出了更高的要求，特别是车载等领域，背光亮度几乎在10 000 cd/m2以上，此时显示装置的细微缺陷可能被凸显进而影响画面显示品质。黑态均匀性是液晶显示模组显示画质的重要指标，为提升液晶显示模组黑态均匀性，改善显示画质，特对可能造成黑态漏光的相应结构及设计进行研究。从液晶面板受外力方向，针对机构干涉及柔性电路板(FPC)应力两方面的影响因素设计实验，确定出利于提升黑态均匀性的设计方法或管控标准。实验结果表明，通过对背光及铁框平整度的管控及缓冲胶带优化可减少机构干涉应力，通过对FPC结构及外形设计优化可减少FPC弯折应力，通过玻璃厚度减薄及增大下偏光片尺寸可提升液晶面板抗变形能力，从而将模组黑态均匀性提升到80%以上。

为了解决TFT-LCD的线残像不良，对信号线与公共电极之间的电压耦合的大小和影响因素进行了研究。利用金属熔接技术，测量了屏内公共电极电压在信号线电压作用下发生的耦合畸变的大小，并将其与线残像的严重程度进行了对比。同时通过对不同的影响因素，即版图设计、信号线电压及反转方式、TFT工艺流程、TFT膜质调整分别进行了研究和测试。结果显示信号线和公共电极及绝缘层构成了MIS结构的电容，电容容值的变化导致的公共电压耦合程度与线残像的严重程度呈现明显的对应关系。通过改变非晶硅半导体层的介电常数或者尺寸设计，可以减小信号线与公共电极间的寄生电容（包括信号线金属与公共电极线金属的交叠电容和信号线与像素公共电极间的侧向电容），降低公共电极电压的耦合程度，改善线残像不良。其中提高信号电压转换频率和用紫外光照射半导体层的改善效果最为明显，耦合电压分别下降了55%和62%，线残像的消失灰阶从L172或更高转变为低于L127。研究成果对于大尺寸、高分辨率、高亮度、低功耗的TFT-LCD产品的设计和性能改善，有着重要的指导和参考意义。

显示器的显色性能会随着使用时间以及环境条件的改变而变化。本文以显示器显色性能为研究对象，设计一套系统的显示器性能测试实验，采用正交试验分析色温、亮度和Gamma值对EIZO CG247和Dell P2714H显示器显色能力的影响，为显示器确定合适的校准条件。此外，还对显示器的空间均匀性和时间稳定性进行了对比测试，以更好地将显示器应用于软打样。实验结果表明：对于两台显示器，在三个校准参数中，都表现为色温对显示器呈色的影响最大，Gamma值次之，亮度最小；两显示器的最佳显色参数都为色温6 500 K，亮度120 cd/m2，Gamma值2.2，但是Dell P2714H的平均色差1.06大于EIZO CG247显示器的0.64；并且两显示器在空间均匀性和时间稳定性方面表现相接近。

卫星在获取地面信息时会受到大气、电磁波的干扰，导致高光谱影像本身产生坏线和噪声。针对这一问题，本文结合高光谱遥感影像的特性提出了一种基于空谱联合和波段分类的影像重构方法。首先，根据噪声影响程度将影像波段分为坏线强干扰波段和非干扰低噪声波段；其次，对波段进行分组，确定每组参考波段，并对参考波段进行独立重构；然后，根据参考波段构建双模式空谱联合预测模型，利用正则化交叉投影得到非参考波段重构影像；最后，对坏线强干扰波段，先进行独立重构，然后对重构影像进行小波分解，通过高频校正得到了干扰波段最终重构影像。实验表明，本文方法对重构高光谱影像的平均信噪比较传统方法提高了1~2 dB。

为了提高靶场空中及地面炸点坐标测试的可靠性，有效降低或消除粗差的影响，提出了稳健估计下的多站交会算法。首先，介绍了最小二乘多站交会原理。接着，介绍稳健估计法的实现原理及内外可靠性指标计算方法。最后通过算例验证了文章算法的正确性并计算出内外可靠性指标。结果表明：平差模型能发现的最小粗差在0.054°~0.066°之间；观测值中粗差对参数向量的影响是中误差的2.6~4倍。当粗差存在时，稳健估计法精度优于最小二乘法，可以有效降低粗差对平差结果的影响，对提高炸点坐标测量精度起到了积极的作用。

关键点检测是三维人脸识别过程中非常重要的一步，为了提高关键点检测的准确度，提出了一种多特征相结合的三维人脸关键点检测方法。首先对训练集中的三维人脸手工标记关键点，计算三维人脸上每一点的不同特征值，得到每类关键点关于每个特征的均值和方差，其次对关键点和非关键点上的特征进行线性判别分析，得到与每个关键点相关的分值加权向量，将前面得到的均值，方差以及分值加权向量作为线下训练的结果输出。最后对于一个输入模型，结合线下训练的结果得到每个关键点的候选点，利用这些候选点构建人脸结构模型。再根据绝对距离约束，相对位置约束，FLM模型一致性分类，自旋图描述符等方法确定最终的关键点。实验部分，从CASIA-3D FaceV1和FRGC V2.0数据库中选不同姿态，不同表情，姿态与表情混合的三个数据集，对其进行关键点检测。实验结果表明，不同姿态的检测率为94.5%，不同表情的检测率为94%，和其他文献相比，检测率平均提高了20%，并且有着较高的运算效率。

为了检测输电线路可见光图像中的塔材、玻璃绝缘子和复合绝缘子，本文采用了一种基于深度卷积神经网络的技术。通过有人直升机搭载高清相机拍摄19条不同的输电线路近600张图片，对图片中的背景、塔材、玻璃绝缘子和复合绝缘子目标进行人工标注及分块，采用数据扩展生成包含15万个样本的输电线路图像库。构造5层深度卷积神经网络，首先用Cifar-100数据集对网络进行预训练，然后用输电线路图像库进行网络调优。本文方法在检测真阳率为90%时，假阳率低于10%，明显优于传统方法，可用于输电线路可见光图像中的塔材、玻璃绝缘子和复合绝缘子检测，检测结果可用于诊断参考或进一步的目标状态分析。可对输电线路可见光图像中的塔材和绝缘子目标进行检测，并可扩展到其它类型目标的检测。

本文通过优化白光LED阵列的结构，实现在目标面上产生均匀的色温分布。通过收集系统中每颗LED的色温坐标矩阵与照度矩阵，根据色温叠加公式，计算LED阵列在目标面上叠加后的色温分布，构建目标面上色温均匀度评价函数，评价函数反应目标面上色温分布的均匀性。通过优化阵列中LED的位置，使得评价函数的值最小，即目标面上色温均匀度最高。运用这种方法我们优化设计了两个实例:（1）相同规格的9颗白光LED方形阵列;（2）不同规格16颗圆形白光LED阵列，优化后色温均匀度均达到了95%以上。利用这种方法同样可以在目标面上同时实现均匀的色温分布与照度分布，设计9颗相同规格的白光LED以3×3方形阵列方式排布，优化后色温均匀度从78%提升到88.7%，照度的均匀度从42%提升到87.6%。分析实际加工制造过程产生的误差对色温均匀度的影响，随着制造误差的增大优化后色温均匀度下降，但均优于优化前色温分布均匀性。

为了解决传统R矩阵方法重建光谱反射率过程中的病态问题，提出了一种正则化R矩阵改进方法。研究了如何使用Tikhonov正则化来限制R矩阵方法求解Moore-Penrose伪逆矩阵中所产生的病态问题，同时使用L曲线方法从训练样本数据中得到有效限制病态情况的最优正则化参数。实验结果表明：与R矩阵方法相比，改进的正则化R矩阵方法重建的光谱精度的平均均方根误差值降低了0.004 25，平均适应度系数值提高了1.325%，色度精度的平均色差值降低了0.141 9，并且在实际的应用中具有较好的表现。该方法能够满足精度较高的文物艺术品颜色再现的需要。

针对宫颈细胞病理图像自动筛查问题，本文提出一种基于人工智能技术的计算机辅助诊断方法。该方法通过对宫颈细胞病理图像采用自适应双阈值法进行初步检测，再采用改进Chan-Vase模型进行精确分割，提取出细胞（粘连簇团）中的不同区域。然后，结合病理诊断专家规则，构建相应的正交特征集。在此基础上，使用神经网络集成模型进行正常、疑似病变二分类识别，完成计算机辅助诊断。实验表明，本文方法能够有效完成宫颈病理细胞（粘连簇团）的分类识别，具有较高的正确率（84%）与较低的误判率（2.1%）。满足了在保证判断正确率的条件下，尽量降低将疑似病变样本误判为正常样本的实际病理诊断要求。

针对稳态匹配概率(Steady-State Matching Probability,SSMP)立体匹配算法在处理视差范围大的测试图中产生的空洞现象以及使用该算法后由于右视差图中的错误视差导致的左视差图中正确视差丢失问题，提出一种基于稳态匹配概率和半全局匹配(Semi-Global Matching,SGM)相结合的立体匹配算法。首先使用SSMP算法求取初始视差图。接着，使用基于爬山法颜色分割的填充准则进行填充。然后使用SGM算法重新获取视差图，将两幅视差图中一致的视差信息填充到经过左右一致性检测后的含有空洞的视差图中。最后，使用SSMP算法中的空洞填充和中值滤波得到精化后的视差图。实验结果表明，改进后的SSMP算法在Middlebury测试平台上第2版本的四组图像的平均匹配误差从538%减少到523%，第3版本部分测试图像的平均匹配误差从24.7%减少到21.5%，该算法能很好地处理上述问题，有效提高匹配精确度，且具有鲁棒性。