多模态图像配准能提供比单模态图像配准更加丰富和全面的信息，红外与可见光图像配准作为一种常见的多模态配准类型，在电力、遥感、军事以及人脸识别等领域具有重要的应用价值。首先介绍了红外与可见光图像配准的相关技术并阐述了配准中存在的难点与挑战，然后详细分析和总结了基于区域、基于特征和基于深度学习3种红外与可见光图像配准方法，并分别阐述了不同配准方法的优缺点，之后概述了红外与可见光图像配准技术的实际应用，最后对红外与可见光图像配准未来的发展趋势进行讨论。

有机电致发光器件的发光颜色与色纯度在很大程度上受限于有机材料本身特性，而通过光学微腔效应可以从器件结构的改变来进行色纯度的调节。本文介绍了一种通过调节有机结构中空穴传输层和电子阻挡层厚度，从而改变器件微腔腔长，获得高纯度顶发射单色发光器件的方法。利用这种方法制作的有机顶发射绿色磷光器件结构为Si Substrate/Ag/ITO/ NPB: F16CuPc(10 nm, 3%)/NPB(x nm)/ TCTA(y nm)/ mCP: Ir(ppy)₃(40 nm, 6%)/ Bphen: Liq(30 nm, 40%)/Mg: Ag(12 nm, 10%)/Alq₃(35 nm)，改变NPB和TCTA的厚度，获得了高色纯度发光器件，正向出射绿光的色坐标达到(0.2092，0.7167)，接近标准绿光(0.21, 0.71)。

红外小目标的相关研究在军事领域的制导、预警和边防间谍无人机检测中极其重要。针对红外小目标的跟踪研究，本文提出了一种基于超分辨率增强与在线检测DSST（Discriminative Scale Space Tracker）的小目标跟踪算法。首先，基于融入红外图像特征的超分辨率重建算法对原始图像进行更新，增强了弱小目标，然后，增强的图像被用作基于在线检测DSST算法的输入，得到响应映射，估计目标位置。实验结果表明，与几种最新算法相比，该算法在准确性方面表现出色。

弱小目标检测是红外探测与跟踪任务中的经典难题。针对复杂背景下红外弱小目标普遍存在检测率低、虚警率高的问题，提出一种基于区域双邻域显著图（Regional Bi-Neighborhood Saliency Map，RBNSM）的复杂背景红外弱小目标检测新方法。利用弱小目标的局部先验特性定义滑动窗口并划分为多个单元，计算中心单元前若干个最大灰度的均值来凸显弱目标；分别构建中心单元的相接邻域和相隔邻域并计算各自的灰度均值，进而，从不同方向上提取两邻域显著图并点乘二者以进一步抑制杂波背景、增强弱小目标；最后，通过自适应提取准确检测目标。多种典型红外复杂背景图像和SIRST数据集检测结果表明：与7种代表性方法相比，RBNSM在复杂背景下具有更好的检测性能与杂波抑制能力。

由于谱图小波变换（Spectral Graph Wavelet Transform, SGWT）可充分利用图像在图域中的光谱特性，本文结合其对不规则小区域表达的优势，提出了一种基于多显著性的红外与可见光融合算法。首先应用SGWT将源图像分解成一个低频子带和若干个高频子带；对于低频系数，将多个互补的低层特征结合起来，提出了一种适合人眼视觉特征的多显著性融合规则，对于高频系数，充分考虑邻域像素的相关性，提出了一种区域绝对值取大规则；最后，应用了一种加权最小二乘优化（weighted least squares, WLS）方法对谱图小波重构的融合图像进行优化，在突出显著目标的同时尽可能多地保留可见光的背景细节。实验结果表明，与DWT（Discrete Wavelet Transform）、NSCT（Non-down Sampled Contourlet Transform）等7种相关算法相比，在突出红外目标的同时还能保留更多的可见光背景细节，具有较好的视觉效果；同时在方差、熵、Q_abf和互信息量4个客观评价上也均占据优势。

最近，多尺度特征提取被广泛应用于红外与可见光图像融合领域，但是大多数提取过程过于复杂，并且视觉效果不佳。为了提高融合结果的视觉保真度，本文提出一种基于边缘感知平滑锐化滤波器（Edge-Aware Smoothing-Sharpening Filter，EASSF）的多尺度图像融合模型。首先，提出一种基于EASSF的多尺度水平图像分解方法对源图像进行分解，得到水平方向上的多尺度纹理成分和基础成分；其次，采用最大值融合规则（Max-Fusion, MF）融合纹理成分，避免图像细节信息的丢失；然后，通过一种感知融合规则（Perceptual-Fusion, PF）融合基础成分，捕获显著性目标信息；最后，通过整合融合后的多尺度纹理成分和基础成分得到融合图像。实验通过分析感知融合系数，对比融合结果的客观数据得出红外与可见光图像融合在多尺度EASSF下较为合适的取值范围；在该取值范围内，本文提出的融合模型同一些较为经典和流行的融合方法相比，不仅解决了特征信息提取的复杂性，而且通过整合基础成分的显著性光谱信息，有效地保证了融合结果的视觉保真度。

为了克服当前的红外与可见光图像融合算法存在着目标不够突出、纹理细节丢失等现象，本文提出了一种基于高斯模糊逻辑和自适应双通道脉冲发放皮层模型（Adaptive Dual-Channel Spiking Cortical Model, ADCSCM）的红外与可见光图像融合算法。首先，使用非下采样剪切波变换（Non-Subsampled Sheartlet Transform, NSST）将源图像分解为低频和高频部分。其次，结合新拉普拉斯能量和（New Sum of Laplacian, NSL）与高斯模糊逻辑，设定双阈值来指导低频部分进行融合；同时，采用基于ADCSCM的融合规则来指导高频部分进行融合。最后，使用NSST逆变换进行重构来获取融合图像。实验结果表明，本文算法主观视觉效果最佳，并在互信息、信息熵和标准差3项指标上高于其他7种融合算法，能够有效突出红外目标、保留较多纹理细节，提高融合图像的质量。

针对瞳孔区域屈光度识别准确率低、检测效率低等问题，本文提出一种基于改进YOLOv3深度神经网络的瞳孔图像检测算法。首先构建用于提取瞳孔主特征的二分类检测网络YOLOv3-base，强化对瞳孔特征的学习能力。然后通过迁移学习，将训练模型参数迁移至YOLOv3-DPDC（Deep Pupil Diopter Classify），降低样本数据分布不均衡造成的模型训练困难以及检测性能差的难题，最后采用Fine-tuning调参快速训练YOLOv3多分类网络，实现了对瞳孔屈光度快速检测。通过采集的1200张红外瞳孔图像进行实验测试，结果表明本文算法屈光度检测准确率达91.6%，检测速度可达45 fps，优于使用Faster R-CNN进行屈光度检测的方法。

针对输电线路电气设备红外热故障检测，提出采用一种基于最大相似度阈值（Maximum Similarity Thresholding, MST）的脉冲耦合神经网络（Pulse-coupled neural Network, PCNN）红外图像热故障区域提取方法。在该方法中，利用脉冲耦合神经元对相似的邻域神经元同步点火特性，通过引入最大相似度阈值框架，简化了PCNN模型的阈值设置机制。同时，针对相似邻域神经元的同步点火特性，采用最小聚类方差设置连接系数，使得PCNN模型在自适应迭代下最终获取热故障区域。最后通过真实输电线路电气设备红外故障图像测试，验证了文中所提方法的有效性和适用性，为PCNN模型的推广应用奠定了基础。

针对红外与弱可见光图像传统融合算法在结果图像中目标不突出、整体对比度降低、边缘及纹理细节不清晰、缺失等问题，本文提出一种基于感知一致性空间（Perception Unified Color Space，PUCS）和双树复小波变换（Dual Tree Complex Wavelet Transform，DTCWT）的融合算法。首先，将红外与弱可见光图像的亮度分量由RGB空间分别转至感知一致性空间得到新的亮度分量以备后续变换处理；接着，将源图像利用DTCWT进行多尺度分解，分别获取各自的低频分量与高频分量；然后，根据不同频带系数特点，提出一种基于区域能量自适应加权的规则对低频子带分量进行融合，采用一种基于拉普拉斯能量和与梯度值向量的规则对不同尺度、方向下高频子带分量进行融合；最后，对融合后的高、低频子带分量进行DTCWT逆变换重构图像，再将其转回至RGB空间以得到最终结果。在不同场景下将本文算法与3种高效融合算法进行对比评价，实验结果表明，本文算法不但在主观视觉上具有显著的目标特征、清晰的背景纹理及边缘细节、整体对比度适宜，而且在8项客观评价指标上也取得了较好的效果。

针对空间域图像融合存在不同图源差异性信息提取、融合权重选取困难等问题，提出了一种新的空间域图像融合算法。利用矩阵相似的基本原理，对红外图像矩阵进行对角化变换，计算可见光图像矩阵在主要特征向量上的映射，采用加权融合的方法处理特征值矩阵，对融合矩阵进行对角化逆变换重构融合图像。实验结果表明，算法在充分保留源图像有效信息的同时，融合图像的整体灰度得到了明显的改善，具有良好的图像质量评估指数和更加优秀的视觉效果。

根据天基平台激光辐照空间碎片捕获系统的应用需求，设计了一种两轴水平框架式粗跟踪结构，提出了一种基于加速度闭环的PI速度环控制方法用于实现跟踪系统的闭环高带宽控制和高精度跟踪。首先，根据光束传播路径和负载几何尺寸要求设计了水平式粗跟踪框架的经纬轴结构，并对单轴结构进行了模型简化，建立了单轴二质阻尼刚度简化模型的动力学方程；对系统进行了振动分析，根据系统的谐振频率和电机锁定转动频率确定了跟踪架主要结构参数；设计了一种速度加速度双闭环控制系统，确定了系统控制器和控制参数；最后对控制系统进行了性能测试。测试结果显示，控制系统满足性能指标要求，相较于带有结构滤波器的PI速度环控制系统，带宽提升了28.2%；基于加速度闭环的PI速度环控制系统在调节时间上提升了78.6%，超调量降低了94.08%；基于加速度闭环的PI位置环控制系统的调节时间为0.085 s，超调量为11.66%，具备较小的跟踪误差和较强的抗干扰能力。

对起重机械金属结构裂纹缺陷的识别是红外热成像检测技术的新方向。介绍了脉冲红外热成像技术检测原理，设计了脉冲红外热成像检测系统，并根据脉冲红外热成像检测系统搭建了脉冲红外热成像检测系统实验平台。采用中值滤波和巴特沃斯低通滤波对实验中采集到的红外图像进行图像处理，并针对以上算法处理后缺陷轮廓边缘模糊的问题，提出了巴特沃斯带通滤波算法。对图像进行阈值分割、边缘检测后提取出缺陷轮廓特征，根据平板试件的实际尺寸和轮廓特征图像像素之间的换算关系，最终得到裂纹缺陷的识别精度。经过对比验证，脉冲红外热成像技术可以满足对起重机械金属结构裂纹缺陷检测的检测需求。

针对屋面渗漏源难以检测的问题，研究了基于渗漏区域红外图像特征的灰度分段映射图像增强方法，提出了一种基于样板矩阵的图像快速识别技术，设计了一个屋面全自动渗漏源检测系统。在5 m×3 m屋面设置渗漏源形成多个渗漏区域，采用Mecanum轮小车搭载该系统对渗漏源进行检测，结果表明，该系统可以在89 s之内完成检测工作，总测试150个次渗漏点，漏测12个次渗漏点，识别准确率大于90%。该技术检测效率高、操作简单，配合相应载体可用于各类不明渗水源检测。

介绍了斯特林制冷机里使用的一种新型空心金属C型密封圈的制作工艺与选材、密封特点和使用优势。针对传统的橡胶密封圈、PTFE、金属实心银丝密封圈等泄漏率高、易失效等特点，金属C型密封圈制造精度高，经过多年的测试使用和论证，该密封产品在抗强冲击和耐强辐射的环境下，依然可以实现较高的可靠性和较低的泄漏率，漏率最低则可以达到10^－9 atm.cm³/s.m，可以满足斯特林制冷机泄漏率的要求。