针对深度学习中道路图像语义分割模型参数量巨大以及计算复杂，不适合于部署在移动端进行实时分割的问题，提出了一种使用深度可分离卷积构建的轻量级对称U型编码器-解码器式的图像语义分割网络MUNet。首先设计出U型编码器-解码器式网络；其次，在卷积块之间设计稀疏短连接；最后，引入了注意力机制与组归一化（GN）方法，从而在减少模型参数量以及计算量的同时提升分割精度。针对道路图像CamVid数据集，在1 000轮训练后，MUNet模型分割结果在测试图像裁剪为720×720大小时的平均交并比（MIoU）为61.92%。实验结果表明，和常见的图像语义分割网络如金字塔场景分析网络（PSPNet）、RefineNet、全局卷积网络（GCN）和DeepLabv3+相比较，MUNet的参数量以及计算量更少，同时网络分割性能更好。

针对人脸识别系统易受伪造攻击的问题，提出了一种基于近红外与可见光双目视觉的活体人脸检测方法。首先，采用近红外与可见光双目装置同步获取人脸图像，提取两图像的人脸特征点，利用双目关系实现特征点的匹配并获取其深度信息，再利用深度信息进行三维点云重建；然后，将全部人脸特征点划分为四个区域，计算各区域内人脸特征点在深度方向的平均方差；接着，选取人脸关键特征点，以鼻尖点为参照点，计算鼻尖点到人脸关键特征点之间的空间距离；最后，利用人脸特征点的深度值方差和空间距离来构造特征向量，使用支持向量机（SVM）实现活体人脸判断。实验结果表明，所提方法能够准确检测活体人脸以及有效抵御伪造人脸的攻击，在实验测试中达到99.0%的识别率，在准确性和鲁棒性上优于利用人脸特征点深度信息进行检测的同类算法。

针对现有显著性检测方法检测出的显著性区域内质不均匀、边界不够清晰准确的问题，提出了一种基于复杂网络图节点重要性评估策略以及空间自相关的显著性检测方法。首先，结合颜色信息、空间信息，利用复杂网络节点中心性法则以及空间自相关指示系数，生成多准则下的显著性初始图；然后，利用D-S证据理论融合多幅初始图，通过将边界强度信息加入到递进优化的二级元胞自动机，从而得到最终显著性区域结果。在两个公开图像数据集上对所提方法主体过程各模块进行了单步有效性验证，并与其他现有显著性检测方法进行视觉定性、客观定量以及算法效率的实验对比。实验结果表明，所提方法单步各模块具有有效性，且在显著性视觉效果，以及准确率-召回率（P-R）曲线、F-measure值和平均绝对误差（MAE）、算法耗时的综合结果上优于其他算法，特别是与所提方法密切相关的BSCA算法。同时，视觉对比实验的结果也验证了所提方法能够有效改善由于显著性物体与图像背景差异小、显著性物体内部颜色不一且差异大而产生的内质不均和边界不明确的不理想结果。

针对雾天环境下图像清晰度降低以及色调偏移问题，提出一种基于暗原色先验的单幅图像快速去雾算法。首先使用灰度开运算代替最小值滤波得到粗略暗通道图，根据方差标记出雾天图像各个景深突变区的位置，并对突变区的暗原色值进行细化求解；其次求解出透射率的粗略估计并使用引导滤波来进行优化；然后使用一种自适应的容差机制对天空等明亮区域的透射率进行动态修正；最后利用大气散射模型复原出无雾图像。实验结果表明，与几种典型的图像去雾算法相比，所提算法具有较快的处理速度，同时得到的复原图像细节突出、色彩丰富。

通过分析飞机飞行过程中的航迹误差，提出了估计飞行冲突可能性大小的概率型中期冲突探测的思想。针对我国民航航路由多个航路段组成的特点，提出了改进的中期冲突探测算法。该方法参考飞行过程中的最小间距点，找出两飞机在整个预测时间内的5个极小间距点作为航迹误差的累积过程，从而更精确地描述了两机相遇几何中的联合航迹误差。最后实例仿真计算表明，该算法完全能满足空中交通管制对算法实时性的要求，可以应用于实际的空中交通管制系统中。