头部姿态估计在很多领域都有广泛研究，然而在医学领域，利用头部姿态估计去监测麻醉恢复室（PACU）中患者复苏的研究很少。现有的从单个图像中学习用于头部姿态估计的细粒度结构聚合网络（FSA-Net）存在收敛效果差、参数过拟合的问题。针对以上问题，利用300W-LP、AFLW2000和BIWI共3个公开数据集，对患者麻醉复苏过程中的头部运动进行监测，基于头部姿态估计提出一种患者头部运动幅度分类方法。首先，将FSA-Net其中一个stream的激活函数线性整流单元（ReLU）替换为带有泄漏修正线性单元（LeakyReLU），从而优化模型的收敛效果，同时用AdamW（Adam Weight decay optimizer）优化器替换Adam优化器，解决参数过拟合问题。其次，对患者麻醉复苏中头部运动幅度进行分类，分为小幅度、中幅度以及大幅度运动。最后，利用PHP （Hypertext Preprocessor）、Echarts （EnterpriseCharts）以及PostgreSQL实现数据可视化，绘制患者头部运动实时监测图。实验结果表明，在AFLW2000数据集和BIWI数据集上，改进的FSA-Net的平均绝对误差比原FSA-Net的平均绝对误差分别减小了0.334°和0.243°。改进模型在麻醉复苏检测中具有实际效果，能够辅助医护人员对患者进行麻醉复苏判定。

针对传统比例积分微分(PID)参数难整定、控制性能不理想等问题,将模糊控制理论与PID控制器相结合,构成模糊PID控制器。采用Eye-to-Hand视觉模型,引入图像视觉伺服机制,通过图像获取误差信号来实现对PID控制器三个参数K_p、T_i和T_d的实时在线自适应调整。最后在以PC机、CompactRIO、NI-9401、互补金属氧化物半导体(CMOS)摄像头、电机驱动器及无刷直流(DC)电机组成的打孔机视觉伺服运动控制系统上完成了实验。结果表明,基于图像的视觉伺服模糊PID控制器相对于传统PID控制器响应速度提高了60%,超调量降低了80%,鲁棒性也更好;不仅能提高孔的定位精度,还能边加工边检测。

为了满足军事与商船航海雷达的仿真要求，提高雷达回波图像仿真的真实感，提出了一种基于扇形带状纹理融合模型的实时扫描仿真方法模拟高真实感的雷达回波图像。该方法以电子航海图(ENC)数据为雷达回波源数据，根据雷达回波形成机理，以扇形带状纹理融合算法替代传统基于像素单元的雷达图像仿真方法，实时生成雷达回波纹理数据，在此基础上，提出雷达回波信号处理仿真模型实现雷达基本功能，包括增益调节、海浪抑制与雨雪抑制等。经实验证明，该方法在雷达回波显示效率和效果上有了明显改善，为解决雷达与电子海图显示与信息系统（ECDIS）模拟提供有效的手段。