汗潜指纹是犯罪现场最常见的指印类型，具有特征消失快且不易被检测等特点。根据其特点，使用紫外偏振成像探测技术进行目标检测，相比传统强度图像，偏振参量图像可以提高目标对比度，有助于辨别不同背景中的目标。但紫外偏振成像探测技术对角度、波段及客体材料等较为敏感，所以通过设计合理的实验，分析了汗潜指纹紫外偏振反射特性随角度、波段及客体材料的变化特点。结果表明:汗潜指纹在不同角度下表现出规律的偏振特性；在系统提供的四个光谱偏振通道中，近紫外波段相比之下有很好的可重复性和区分性；不同客体材料偏振特性差异变化较大，对比分析样本的紫外偏振反射特性能有效提高潜指纹的探测和识别性能，为汗潜指纹紫外偏振成像探测技术提供依据。

爆炸犯罪杀伤群众，破坏公私财产，对公共安全造成危害。为快速侦破爆破案件，需要在爆炸现场众多残留物中识别金属，找出爆炸装置碎屑。针对在复杂背景中快速识别金属碎屑的需求，提出了一种基于线偏振成像增强金属对比的方法。基于偏振光成像的原理，搭建了两种多波长偏振图像采集装置。针对多种非金属和金属材料进行实验，发现调整入射光的线偏振角度和入射角，多波长偏振成像方法在复杂现场中可以对金属与非金属快速识别和分类。通过模拟研究了多波长下金属表面反射光的线偏振度和偏振角随入射角度变化的情况，给出识别不同金属的最佳角度和照明偏振光。进一步实验结果显示：多波长线偏振成像方法有区分不同种类金属的潜力。

光的偏振态是电磁波的基本属性，偏振信息是使用光的偏振态作为信息表现形式的工程科学应用技术，需要合适的表征方法对其进行描述。由于大气散射特性，光在地球表面存在一种特殊的偏振分布模式，可以用于近地空间自主导航，同时，不同的偏振态在各种散射介质中传输也具有特定的变化规律。因此，研究光的偏振信息在不同分散介质中的传输特性，对其在现代军事、航空、海洋等领域内的广泛应用具有重要的参考价值。近年来，偏振光学成像技术广泛应用于雾霾、水下及其他散射介质中的清晰成像，并取得了很多优秀的研究成果。文中主要介绍了光的偏振态的各种表征形式、偏振信息在不同分散介质中的传输特性、经过散射介质后的偏振信息恢复算法、以及偏振去雾技术的应用等，并在最后展望了偏振信息应用的未来发展趋势。

水下成像环境复杂多变，在水下视觉的研究中会遇到许多典型的问题：在复杂的光学环境中，水下成像质量急剧下降，传统成像方法中常用的诸如颜色、亮度等特征衰减严重，难以有效地提高水下成像的质量。偏振成像可以对水下散射进行有效抑制，在水下成像环境中，分析目标信息光、后向散射光和前向散射光相应的偏振特性，针对性地解决不同分量对图像的影响进而实现图像质量的提高。基于水下成像物理模型、偏振成像原理详细阐述了水下偏振成像原理，着重论述了几种经典的水下偏振成像方法，总结了当前基于偏振特性的水下成像技术，并对其实际效果进行评价分析，依据现有的水下偏振成像技术的优缺点和实际成像效果对水下偏振成像技术的未来发展进行总结展望。

潜艇探测技术是海疆国防急需的关键技术，潜艇的“直接”和“间接”成像探测往往都涉及到水面波纹的检测问题。基于偏振成像的探测方法能有效地探测水面的三维波纹面形，其中对水面偏振特性的检测与计算是面形重建的重要一环。建立了水面光电偏振模型，对不同气象条件、水温下昼夜可见光与红外波段水面偏振特性进行了仿真分析，结果显示水面可见光和短波红外波段偏振主要是s偏振，中波/长波红外波段偏振是p偏振；随着入射角的增大，偏振度先增大后减小，且水面红外偏振度随着温度的升高而增大。搭建了基于Stokes矢量的偏振成像检测系统，对可见光波段、中波红外和长波红外波段的水面偏振度进行了实验测量，仿真结果与测量结果基本一致，证明了光电偏振探测模型的有效性。分析了常见波段偏振成像探测的特点，可为水面偏振特性的分析及计算提供理论仿真和实验方法。

为了降低材质红外识别的正确率，较常用的方法是通过在材质表面涂覆涂层，以改变材质的表面发射率。首先通过基于微面元理论的目标材质表面红外辐射偏振传输模型的Stokes表达式，推导分析了目标材质表面发射率对目标材质表面红外偏振特性的影响，结果表明：目标材质表面发射率的改变不影响其表面的红外线偏振度特征；其次，针对材质表面发射率与红外偏振特性的不相关性，文章提出基于光谱偏振度对比度检测涂层材质的方法，并通过相同基底不同表面发射率的涂层材质、不同基底相同发射率的涂层材质的红外高光谱偏振成像特性进行了验证分析，结果表明：改变涂覆材料表面发射率并不影响材质表面的红外光谱偏振度特征；基底材料不同，即使目标材质表面涂覆相同发射率涂层，其表面的光谱偏振度特性将比光谱辐射亮度具有更明显的差异性，研究成果可为红外伪装材质检测识别提供新的途径和方法。

The three-dimensional measurement of human body posture is of great significance to the comfort evaluation of car seat design. In order to acquire the 3D data of the human body in the car quickly and accurately, a method of 3D data acquisition based on binocular vision was adopted, which combined the structured light with the marked points, and realized the rapid reconstruction of 3D point cloud of the human body and the automatic and rapid measurement of 3D attitude (distance and angle). The experimental results show that when the distance is more than 2 m and the measuring range is 1.5 m × 2 m, the measurement accuracy of human body posture can reach 0.03 mm, which meets the demand of high-precision three-dimensional data acquisition of automobile human body posture. Compared with traditional three-dimensional measurement method, the three-dimensional automatic measurement method used in this paper not only has a high degree of automation, but also has the advantages of high accuracy, fast speed and strong robustness.

针对传统的单幅散斑图像匹配算法测量精度低且无法测量复杂面型物体等问题，提出了一种基于深度学习的散斑投影轮廓术，即通过深度学习的方法实现散斑图像的逐像素匹配。设计利用孪生卷积神经网络结构，将目标散斑图像和参考散斑图像以图像块的形式输入神经网络。通过卷积层运算提取散斑图像块的特征信息，进而将子网络得到的特征信息融合为两个图像块之间的匹配系数，以获得散斑图像的视差数据，并最终可将视差数据转化为物体的三维信息。实验结果表明，该方法可以通过单幅散斑图像实现精度约为290 μm的三维轮廓测量。

提出了一种基于灰度拓展的单帧正交复合光栅三维测量方法。由于受商用DLP最大灰阶动态范围256的标准限制，单帧复合光栅中的多张调制光栅共享256灰阶动态范围导致其对比度变小，其表征的三维物体的相位信息被压缩，解相过程出现相位断裂现象，测量误差增大。采用时分复用原理，将一具有766灰阶的正交复合光栅拆分为三幅不同的具有256灰阶的条纹图。依次序加载进循环播放的视频中投射至待测物体表面，当用曝光时间为3倍视频刷新周期的整数倍10 bit CCD采集时，就可采集到具有766灰阶动态范围的变形复合光栅像。通过滤波和灰度校准等计算后，物体的三维面形能够完整而精确的重建。经仿真和实验验证，所提方法打破了DLP256灰度投影的限制，有效提高了相移变形条纹的动态范围，增大了被测物体细节信息，避免了相位展开环节相位断裂而引起物体面形重构不完整的现象。

文中提出了一种基于相移条纹图相位分析的广角镜头畸变校正方法。首先，用大尺寸液晶平板显示器显示四幅相移量为π/2的余弦条纹图作为校正模板。然后，用广角镜头相机拍摄该校正模板，获得四幅畸变条纹图，使用四步相移算法解调径向畸变条纹图的相位分布。由于经广角镜头成像的图像中心区域几乎无畸变，利用图像中心无畸变的相位值进行数值拟合得到径向无畸变条纹图的相位分布，作为求解径向畸变相位的基准，也就是径向畸变相位分布可以根据径向畸变条纹图的相位分布与径向无畸变条纹图相位分布相减得到，再将畸变相位转换成实际的畸变量。提出的方法不需要通过特征点或特征线确定畸变模型，可以直接计算畸变图像中每个像素点的畸变量。实验结果表明，提出的方法简单、有效，具有广泛应用价值。

单像素成像系统由于其独特的成像方式受到广泛关注，但其在噪声环境中的目标识别方法并未得到深入研究。针对该问题，文中分别采用桶探测器获取的信号值和重构出的二维图像作为训练样本进行深度学习，并以此识别噪声环境中的目标。通过对比两者识别结果，发现在采样率较低时，前者即使在较强噪声环境中也可以获得较高的识别率；而后者的识别率虽然一直比较稳定，但其预处理时间较高，因此前者更适用于快速成像中的目标识别。此外，对于仅利用桶探测器信号进行训练的方法，文中还研究了目标稀疏度对其识别精度的影响，发现当外界噪声和采样率一定时，稀疏度越高的目标，其识别精度也越高。文中为噪声环境中单像素成像的目标识别方法提供了选择依据。

深度学习的应用简化了数字条纹投影三维测量的过程，在传统数字条纹投影三维测量技术条纹投影、相位计算、相位展开、相位深度映射的流程中，研究者们已经成功证明了前三个环节以及整个流程结合深度神经网络的可行性。基于深度学习，PDNet (Phase to Depth Network)神经网络模型被提出，用于绝对相位到深度的映射。结合多阶段深度学习单帧条纹投影三维测量方法，通过分阶段学习方式依次获得物体的绝对相位与深度信息。实验结果表明，PDNet能较准确地测量出物体的深度信息，深度学习应用于相位深度映射步骤具有可行性。并且，相较于直接从条纹图像到三维形貌的单阶段深度学习单帧条纹投影三维测量方法，多阶段深度学习单帧条纹投影三维测量方法可以明显提升测量精度，仅需单帧条纹图像输入即可获得毫米级测量精度，且能适应具有复杂形貌物体的三维测量。

噪声是影响图像分割的重要因素，文中提出了一种能够在含噪声的真实场景中准确提取出多个物体区域的分割方案。利用基于正弦条纹投影的双目结构光系统，得到包含目标物体的相位图和视差图。将视差图映射到U-视差图中，利用物体和噪声区域在该视差空间的不同形态特征，采用闭合区域检测算法初步得到各个物体的分割区域，并结合条纹调制度阈值分析法进一步去除阴影区域的噪声，最终得到精确的分割结果。客观评价的数据分析表明，文中提出的分割算法，不仅对噪声的鲁棒性较好，还可以有效地将物体与水平支撑面分割开，在不同场景下具有计算复杂度低，抗干扰能力强的优势，分割准确率均在90%以上，最高可达到99.2%，平均运行时间为27 ms。

双频条纹投影已经广泛应用于三维形貌测量，然而其相位展开的准确性受噪声影响较大。文中提出了一种改进的双频几何约束条纹，通过提高低频相位的频率，有效地提升了相位展开的鲁棒性。在三维测量过程中，首先，利用五步相移算法计算出双频条纹的高频相位和低频相位。然后，利用几何约束方法展开低频相位。最后，采用双频算法展开高频相位，进而重建出物体的三维形貌。仿真和实验结果均表明，相对于传统双频条纹，改进的双频条纹具有更高的鲁棒性和适用性。

传统增量式运动恢复结构重建易受到尺度变化的影响，重建出的点云存在分层现象，并且不存在量纲。通过改进重建拓扑结构和尺度迭代最近点算法，提出了一种新的欧式三维重建方法。首先，设计了两两相邻图片重建点云后并入主点云的重建拓扑结构；然后，建立了对应表，旨在找到同一世界点在新建点云和主点云下的对应三维点对；接着，结合Geman-McClure范数，提出了抗噪声的尺度迭代最近点求解算法；最后，设置地面控制点，为重建出的点云引入尺度。实验结果表明，提出方法重建出的点云比传统增量式运动恢复结构重建出的点云更精确，并且点云长度的测量绝对误差在1%~2%左右。提出方法适用于近场景物体较精确的欧式三维重建。