为探索自监督特征提取方法在骨骼X线影像异常检测方面的可行性，提出了基于自监督特征提取的骨骼X线影像异常检测方法。将自监督学习框架与ViT（Vision Transformer）模型结合用于骨骼异常检测的特征提取，并通过线性分类器进行异常检测分类，在特征提取阶段可有效避免有监督模型对大规模有标注数据的依赖性。在公开的骨骼X线影像数据集上进行实验，采用准确率分别评估预训练的卷积神经网络（CNN）和自监督特征提取的骨骼异常检测模型。实验结果表明，自监督特征提取模型相较于一般的CNN模型效果更优，在7个部位分类结果与有监督的CNN模型ResNet50相差无几，但在肘部、手指、肱骨的异常检测中准确率均取得了最优值，平均准确率提升了5.37个百分点。所提方法易于实现，可以作为放射科医生初步诊断的可视化辅助工具。

为了提高高压输电线路巡检效率，提出改进Faster-RCNN的绝缘子检测算法。首先，在特征提取网络中添加具有注意力机制动态选择机制网络（SKNet），从而使网络着重学习与绝缘子特征相关通道；其次，借助滤波器响应归一化（FRN）层替代原批归一化（BN）层，以避免模型陷入梯度饱和区域；最后，使用距离交并比（DIoU）代替原交并比（IoU）方法，以精确表达特征候选区域框位置。对开源航拍绝缘子数据集进行平移、旋转、Cutout和CutMix等操作来进行增强，将数据集扩充到3 000张并从中随机选择2 500张作为训练集，其余500张作为测试集。相较于原Faster-RCNN算法，所提算法平均准确率提高了3.46个百分点，平均召回率提高了2.76个百分点。实验结果表明：所提算法具有较高检测精度和稳定性，可满足电力巡线绝缘子检测应用场景需求。

针对具有时变参考输入的多自主体系统的动态平均一致性跟踪问题，提出了一种比例-积分一致性跟踪算法。在对多自主体间通信数据进行量化的场景下，研究了基于量化的平均一致性跟踪问题。首先，在积分算法的基础上引入一个比例环节，使得自主体在控制协议的约束下通过和邻近自主体间相互交流来更好地跟踪参考输入的平均值；然后，在固定的强连通平衡拓扑结构下，利用矩阵分析和Routh判据分别得出自主体间信息传输数据未量化和量化时多自主体系统渐近跟踪到时变参考输入平均值的充分条件；最后，数值仿真证明了结果的准确性，也证实了所提算法的有效性。

多曝光图像融合技术是将一组场景相同但曝光程度不同的图像序列直接融合成为一幅含有更多场景细节信息的高质量图像。针对现有算法局部对比度差和色彩失真的问题，结合Retinex理论模型提出了一种新的多曝光图像融合算法。首先，基于Retinex理论模型，利用光照估计算法将曝光序列图像分为入射光分量序列和反射光分量序列，然后分别采用不同的融合方法对这两组序列进行处理。对于入射光分量，要保证场景的全局亮度的变化特性并且削弱过曝光和欠曝光区域的影响；而对于反射光分量，要采用适度曝光的评价参数来更好地保留场景的色彩及细节信息。分别从主观和客观两方面对所提算法进行了分析。实验结果表明，同传统基于图像域合成的算法相比，该算法在结构相似度（SSIM）上平均提升了1.7%，另外在图像色彩和局部细节上的处理效果更好。

针对当前一些椭圆孔组工件检测成本高、时效低等问题,提出了一种基于最大内切圆的椭圆孔组检测方法。首先对椭圆孔组图像进行去噪、二值化和边缘检测等预处理;再根据椭圆的几何性质,结合椭圆中心估计方法和最值距离选取方法,求出椭圆最大内切圆,从而确定椭圆的中心坐标、长短轴长和倾斜角。实验数据表明,该方法能对椭圆孔组进行快速精确检测,在估计出椭圆中心的基础上能快速截取有效椭圆弧,大幅减少无效采样;与基于中心估计Hough椭圆检测算法和基于最小二乘改进椭圆检测算法相比,具有耗时短、精度高等优点,可有效应用于椭圆孔组工件的自动化检测。