针对金川矿山棒磨砂充填集料存在的成本高和供不应求的矛盾,开展了棒磨砂、戈壁砂和尾砂3种充填集料不同配比的混合集料胶结充填体强度试验研究。通过9组混合充填集料的胶结充填体强度试验和数据分析,揭示了影响胶结充填体强度的因素与规律。研究结果表明:合理添加尾砂的棒磨砂和戈壁砂混合充填料,不仅可以提高充填体强度,而且还能够减小充填料浆的分层和离析,有利于提高充填体整体质量。通过建立神经网络模型,进行不同配比的混合集料胶结充填体强度预测和回归分析,获得了满足金川矿山充填法采矿安全高效生产的充填材料配比:灰砂比为1∶4、料浆浓度大于80.8%、混合集料平均粒径不大于1.692 mm和非均匀系数不小于38.4,由此对应的3 d充填体试块密度不小于2.24 g/cm3。该研究成果为混合集料在金川镍矿充填采矿奠定了基础。

孕妇的产前体检是围产医学的重要组成部分，产前预测胎儿体重可以为判断胎儿健康发育提供准确的参考.孕妇的多次体检记录在孕周时间上有不均匀时间间隔分布的特点.本研究对不均匀时间间隔的处理提出了LSTM模型的变种——变长时间间隔的LSTM模型（Variable Time Interval LSTM，VTI-LSTM）.本研究数据来源于2015~2018年多家妇产科医院的10 473个孕妇的122 462条体检记录.实验比较了传统的公式估算法以及GBDT，MLP，SVR，RNN，LSTM，VTI-LSTM等机器学习方法的胎儿体重预测结果，其中，VTI-LSTM在低体重和巨大儿的预测上取得良好的预测结果.

在机器视觉检测中，图像光照不均匀现象会增加后续处理的难度，因此需要对其进行有效的阈值分割。算法通过窗口分割提取原图的背景灰度图后，结合局部对比度调整系数，对图像进行背景均匀化处理，然后进行全局阈值分割。实验对具有典型光照问题的高分辨率线纹尺图像处理效果良好，平均时间在0.5 s以内。通过与其他几种算法的对比，证明了本算法处理效果最佳，所耗时间满足实时性，为目标的进一步测量工作奠定了良好的基础。

为了解决复杂光照环境下斑马线识别的困难，提高基于视觉的交通标志识别系统的识别效率，文中设计了一种不均匀光照下斑马线的识别与处理方法。首先将原图转化为灰度图，可以消除不同光照颜色的影响和减少数据量；然后对灰度图做直方图均衡化，可以消除不均匀光照的影响；再将其转化为二值图像，可以再次减少数据量并突出斑马线的特征。对二值图像做腐蚀处理可以消除噪声，然后再做膨胀处理，可以填补斑马线的空隙。使用Canny算子提取斑马线的边缘，然后将边缘图像转换到Hough域，即可获得图像中的直线信息。根据这些直线信息就可以计算出图像中是否有斑马线。实验结果表明，文中设计的方法对在不均匀光照条件下的斑马线的识别率达到96.25%，有较高的识别率和识别效率。

人工智能-机器学习-某高层建筑地基不均匀沉降的研究及FLAC3D软件对加固方案的模拟分

一个用于不均匀间隔时间序列分析的Python库

针对医学图像中由于偏移场的存在而导致图像灰度不均匀的问题，提出了一种基于局部区域信息的医学图像分割及偏移场矫正方法，以矫正偏移场使图像变为灰度均匀。该方法利用图像局部区域信息，通过拟合图像和原始图像构造能量函数，采用变分水平集方法进行求解。实验结果表明，该方法能够有效地实现医学图像分割及偏移场矫正，与其他分割及偏移场矫正方法相比，该方法具有较高的分割及偏移场矫正的精度和效率。

经典retinex_mccann99图像增强MATLAB程序，用于消除图像的光照不均匀性

LOMBSCARGLE（INPUTDATA，DUPE_ELIM）对不一定均匀分布的nx 2数据矩阵（inputdata = x（i），y（i））执行Lomb-Scargle周期图（频谱）分析。 （对于均匀分布的数据，更传统的基于傅立叶的光谱方法可能更合适。） DUPE_ELIM（= 0或1）是一个可选参数，它将提示程序（如果dupe_elim == 1）从分析中消除重复的样品。 默认值为 0。 该程序将绘制和光谱分析输入数据，然后绘制数据的功率谱。 该程序还能够覆盖已知频率和幅度的信号。 这可能有助于光谱校准。 生成的频谱图还将包括显着性水平。 最后，程序将重建确定为“显着”的频率图（在 alpha = 0.05）； 对于此重建，将丢弃校准信号（如果使用）的 5% 以内的频率。 重要的频率和功率被写入 MATLAB 命令窗口。 （此程序基于Press，Teukolsky等人的Lo

景物三维重建的关键之一是从景物图像中获得景物目标到摄像机的距离。研究了一种基于散焦图像的计算景物距离的算法。该方法基于不均匀散焦模型,并且只需两幅改变光圈指数得到的散焦程度不同的图像,因此可以避免图像的大小匹配问题。根据图像的点扩散函数的形式,可以通过优化的方法求得深度。模拟和真实实验表明了算法的有效性。