针对传统Sobel算子在图像边缘检测中存在的弱边缘提取较差及边缘较粗等不足，提出了一种局部梯度增强的检测算法。算法采用改进的Sobel算子卷积模板计算图像梯度；然后对梯度图像采用局部标准差方法增强局部弱边缘的梯度，最后对局部梯度增强的图像进行细化处理并提取图像边缘，得到边缘图像。实验结果表明，该算法获取的边缘图像边缘信息较丰富，连续性好，边缘较细，整体效果优于传统Sobel算法，具有较高的实用价值。

本论文介绍了新颖的NSGA-III算法，并将其应用于高维的目标优化中，取得良好结果。

针对机器视觉检测圆孔零件几何尺寸时相机视场不足的问题，设计了一种圆孔边缘自动跟踪方法，以获得完整的零件边缘数据。通过搭建运动控制平台，实现相机在三维空间中的运动，通过数字图像处理技术，检测出零件边缘，并在此基础上，采用邻域计数法，求出跟踪方向。结合实验验证，用视场约为1.2×0.9 mm的相机自动跟踪拍摄直径约为4.5 mm的圆孔零件边缘，获得了完整的边缘数据。实验表明，本文提出的邻域计数法能达到与人工操作方法相同的准确率，且具有效率高、自动化程度高的优点，因此具有一定的实用意义。

为了有效改善传感器温度补偿特性，提出了基于傅立叶基函数神经网络算法的温度特性曲线拟合模型。分析厂算法的收敛性，为学习率的选择提供了理论依据。给出了对掺杂苯的Sno2纳米传感器的灵敏度一温度特性曲线进行拟合的实例。结果表明基于傅立叶基函数神经网络算法的传感器温度特性拟合曲线具有高的光滑性和高的拟合精度（10-6），因而是一种有效的温度特性曲线拟合方法。

一种基于angr的Mach-O分析框架设计与实现，郭景怡，郭燕慧，Mach-O二进制的运行依赖于一个运行时系统，这使得Mach-O二进制的分析与普通二进制分析有很大的出入。本文从二进制的基础分析方法CFG生

根据红外成像特性及金属表面缺陷区域灰度分布变化缓慢的特点，提出了一种基于小波纹理特性统计分析的铜带表面缺陷视觉检测方法。利用CCD视觉传感器获取受检金属表面的红外影像资料，引入一阶Haar小波分解红外图像，抽取4个小波特性，然后分别使用Hotelling T2和X2多变量统计法融合4个小波特性。最后根据统计值判别图像是否存在缺陷，并使用支持向量机对缺陷进行分类。比较分析了两种小波域多变量统计方法检测缺陷的性能。实验结果表明，Hotelling T2统计法在缺陷检测和识别方面的性能较好，对微小缺陷可达到92.8%的检测率和95.42%的识别率。

该程序输出基于奇异值分解的图形和数字图像质量度量。 对于给定的图像，采用 Blockwise SVD 并导出图像质量度量。 具体实施方式请参考Aleksandr Shnayderman、Alexander Gusev 和 Ahmet M. Eskicioglu， “用于局部和全局评估的基于 SVD 的灰度图像质量度量”， IEEE 图像处理交易，卷。 15，没有。 2，2006 年 2 月。 Matlab 编程新手可以查看“SampleUsage.m”文件，了解脚本“SVDQualityMeasure.m”的使用方法。 已经熟悉Matlab编程的可以直接使用脚本“SVDQualityMeasure.m”。

一种基于高斯过程回归的图像插值算法，汪谦，杜军平，图像插值是图像处理中的经典问题。本文提出一种新颖的基于高斯过程回归的插值算法。提出的算法使用高斯过程回归模型挖掘潜在信息

目标微动特性和微多普勒特征分析在真假目标识别方面发挥了重要作用。由于微动目标雷达回波具有非线性、多分量性等特征,需要相应的具有高分辨力、低交叉项、大的动态范围的分析工具,才能较好地揭示目标微多普勒特征。稀疏分解方法中的匹配追踪(MP)具有频域高分辨能力,对于信号细微特征提取具有很好的效果。研究了基于匹配追踪的微多普勒频率估计问题,该方法可以准确提取出目标微多普勒频率,为后续的目标识别提供了重要的依据。

基于深度学习的目标检测技术在目标检测领域有强大的生命力,但是将其用于合成孔径雷达(SAR)图像舰船目标检测时并没有达到预期的效果。提出了一种基于卷积神经网络的SAR图像舰船目标检测算法用来检测多场景下的多尺度舰船目标,在单发多盒探测器检测框架的基础上,使用性能更好的Darknet-53作为特征提取网络,加入更深层次的特征融合网络,生成语义信息更加丰富的新的特征预测图。同时在训练策略上使用了一种新的二分类损失函数来解决训练过程中难易样本失衡的问题。在扩展的公开SAR图像舰船数据集上进行验证实验,实验结果表明,所提方法对复杂场景下不同尺寸的舰船目标的检测展现出了良好的适应性。