针对中药材种类繁多、数据量稀少以及难以对其导管进行分类的问题，提出一种基于多通道颜色空间与注意力机制模型的卷积神经网络改进方法。首先，采用多通道颜色空间将RGB颜色空间与其他颜色空间合并为6通道作为网络输入，使网络学习亮度、色调和饱和度等特征信息，弥补数据量的不足；其次，在网络中加入注意力机制模型，其中通道注意力模型将两个池化层紧密连接到一起，空间注意力模型将多尺度空洞卷积结合到一起，使网络将注意力聚焦于小样本中关键的特征信息。实验结果表明，针对34种中药材样本的8 774张导管图像，采用多通道颜色空间和注意力机制模型的方法，与原始ResNet网络相比，准确率分别提升了1.8个百分点和3.1个百分点，将二者结合后准确率提升了4.1个百分点，说明所提方法对小样本分类的准确率有着大幅度的提升。

针对拍摄场景中物体运动不一致所带来的非均匀模糊，为提高复杂运动场景中去模糊的效果，提出一种多尺度编解码深度卷积网络。该网络采用"从粗到细"的多尺度级联结构，在模糊核未知条件下，实现盲去模糊；其中，在该网络的编解码模块中，提出一种快速多尺度残差块，使用两个感受野不同的分支增强网络对多尺度特征的适应能力；此外，在编解码之间增加跳跃连接，丰富解码端信息。与2018年国际计算机视觉与模式识别会议（CVPR）上提出的多尺度循环网络相比，峰值信噪比（PSNR）高出0.06 dB；与2017年CVPR上提出的深度多尺度卷积网络相比，峰值信噪比和平均结构相似性（MSSIM）分别提高了1.4%和3.2%。实验结果表明，该网络能快速去除图像模糊，恢复出图像原有的边缘结构和纹理细节。

视图的秘密分享是图像信息安全领域独具吸引力的研究问题。寻求秘密视图完全的(Perfect)和理想的(Ideal)门限秘密分享方案(也称图像门限分享的完备方案),则是其中富有挑战性的未决课题。文中引入灰度值域GF(2m)上像素矩阵秘密分享的新观点和相应的代数几何编码方法,实现了数字图像(t,n)门限秘密分享的一种完备方案。该方案能够将一幅或多幅秘密图像编码为n幅各具随机视觉内容,同时又共具(t,n)门限结构的影子图像(或称份额图像)。证明了这种秘密分享方案的(t,n)门限结构不仅是完全的而且也是理想的，并给出了提高像素灰度值域GF(2m)上图像秘密分享算法效率的“m位像素值的分拆与并行”方法。分析表明，该图像秘密分享方法可以应用于高安全等级的秘密图像的网络多路径传输、保密图像信息的分散式存储控制、高维图形码(Bar-code in k dimension)和弹出码(Popcode)等新一代信息载体技术的识读控制等各方面。

介绍了电磁轴承PID控制系统, 采用Matlab SISO SRO开发电磁轴承控制仿真系统,研究PID控制参数对电磁轴承控制的影响,给出在不同的PID控制参数下的仿真结果,为电磁轴承控制系统的设计提供了一种简洁高效的方法。