针对医学图像中存在的灰度对比度低、器官组织边界模糊等问题，提出一种新的随机森林（RF）特征选择算法用于鼻咽肿瘤MR图像的分割。首先，充分提取图像的灰度、纹理、几何等特征信息用于构建一个初始的随机森林分类器；随后，结合随机森林特征重要性度量，将改进的特征选择方法应用于原始手工特征集；最终，以得到的最优特征子集构建新的随机森林分类器对测试图像进行分割。实验结果表明，该算法对鼻咽肿瘤的分割精度为：Dice系数79.197%，Acc准确率97.702%，Sen敏感度72.191%，Sp特异性99.502%。通过与基于传统随机森林和基于深度卷积神经网络（DCNN）的分割算法对比可知，所提特征选择算法能有效提取鼻咽肿瘤MR图像中的有用信息，并较大程度地提升小样本情况下鼻咽肿瘤的分割精度。

鼻咽肿瘤生长方向不确定，解剖结构复杂，当前主要依靠医生手动分割，该方法耗时久同时严重依赖于医生的经验。针对这一问题，基于深度学习理论，提出一种基于U-net模型的全自动鼻咽肿瘤MR图像分割算法，利用卷积操作替换原始U-net模型中的最大池化操作以减少特征信息的损失。首先，从所有患者的肿瘤切片中提取大小为128×128的区域作为数据样本；然后，将患者样本分为训练样本集和测试样本集，并对训练样本集进行数据扩充；最后，选择训练样本集中所有数据用于训练网络模型。为了验证所提模型的有效性，选取测试样本集中患者的所有肿瘤切片进行分割，最终平均分割精度可达到：DSC（Dice Similarity Coefficient）为80.05%，PM系数为85.7%，CR系数为71.26%，ASSD（Average Symmetric Surface Distance）指标为1.1568。与基于图像块的卷积神经网络（CNN）相比，所提算法DSC，PM（Prevent Match）、CR（Correspondence Ratio）系数分别提高了9.86个百分点、19.61个百分点、16.02个百分点，ASSD指标下降了0.4364；与全卷积神经网络（FCN）模型及基于最大池化的U-net网络相比，所提算法的DSC、CR系数均取得了最优结果，PM系数较两种对比模型中的最大值低2.55个百分点，ASSD指标较两种对比模型中的最小值略高出0.0046。实验结果表明，所提算法针对鼻咽肿瘤图像可以实现较好的自动化分割效果以辅助医生进行诊断。

针对图像去噪算法存在滤除噪声与保留图像边缘细节之间的矛盾，提出了一种使用基于分数阶微分梯度的随机噪声检测算法来提高理想低通滤波器的去噪性能的方法。首先，使用不同方向的分数阶微分梯度模板与含噪声图像进行卷积，计算出图像在不同方向上的分数阶微分梯度；然后，依据预先设定的阈值获得不同方向的分数阶微分梯度检测图，将在所有选定方向上梯度都发生跳变的像素点判定为噪声点；最后，只对图像中被检测出的噪声点用理想低通滤波器进行滤波，可使图像在去除噪声和保留图像细节两方面同时获得较优的效果。实验结果表明，所提算法不仅可以获得更好的视觉效果，而且去噪后图像的峰值性噪比(PSNR)表明去噪后的图像更接近原始图像，使用理想低通滤波器获得的最大PSNR为29.0893dB，所提算法获得的最PSNR为34.7027dB。将分数阶微积分用于图像去噪，为提高图像去噪性能提供了一个新的研究方向。

为解决传统图像去噪算法存在边缘纹理信息损失的问题，根据图像平滑区域离散余弦变换(DCT)非零系数个数较少的特点，提出了基于图像变换域稀疏表示的去噪算法：首先依据l2范式将图像的相似区域块构成块群；然后对块群中的各块进行DCT。由变换域系数的稀疏性，利用阈值进行首次去噪。为进一步去除噪声，对块群进行主成分分析（PCA），提取块群PC分量，运用PC分量对块群进行分析处理；最后把处理后的图块结合Kaiser窗口返回到原图像中，得到去噪后的图像。与传统去噪相比，该方法在去噪过程中保留了边缘纹理信息，抑制了该信息对去噪的影响，提高了图像的视觉效果。

提出了一种通过分块DCT和Tucker分解将水印信息同时嵌入彩色图像R、G、B通道的离散余弦变换(DCT)直流系数中的水印算法。首先对彩色图像R、G、B通道进行8×8分块DCT,然后将各分块系数矩阵的直流系数分量构成三阶张量,再经过Tucker分解后获得核心张量,通过在核心张量中嵌入水印信息使得水印信息同时扩散到三通道的直流系数中。通过实验表明,该算法对于压缩、噪声、滤波、缩放等攻击具有一定的鲁棒性。与传统的基于YCbCr颜色空间的算法比较,该算法具有更好的不可见性。

针对肤色检测, 基于Bhattacharyya距离构建了4个新空间模型，并通过计算新空间模型中各特征的Bhattacharyya距离测度，选择其最具鉴别力的分量构成用于肤色分割的联合模型。通过实验比较了肤色、非肤色两类样本在常用的彩色空间和4个新构建空间中的Bhattacharyya距离度量以及肤色正检率，结果表明，基于最大类可分离性判据构建的新彩色空间具有更好的分类性能。 在实际彩色图片上的肤色分割实验也证明了提出的新空间模型和联合模型的有效性。

提出了一种在Windows平台下检测未知病毒的新方法,以PE文件调用的WinAPI序列为特征，运用支持向量机分类来检测未知病毒。实验结果表明，所实现BK50系统对未知病毒具有较好的识别效果。

针对基本遗传算法易于早熟及局部寻优能力较差等不足，提出了一种引入进化梯度的改进小生境混合遗传算法(GNGA)。利用进化梯度信息调整个体向更优解进化，并根据进化代数自适应调整实数编码个体的交叉量和变异量，增强了局部寻优能力和解的精度。基于排挤的小生境算法的引入，保持了种群的个体多样性以克服早熟。在Shubert函数上的仿真结果表明，与小生境遗传算法相比该算法能有效提高解的精度及收敛速度，找到更多最优解。

研究了基于Gabor特征量和核函数判决方法的人脸识别方法,即首先利用Gabor滤波器组对输入样本进行处理,获得Gabor特征量;然后利用核函数判决方法实现人脸识别。Gabor滤波器组通过提取具有空间频率、空间位置和取向选择性的特征,较好克服了实际中由于表情和光照不同带来的变化;而核函数判决分析方法具有提取输入样本空间的非线性最佳鉴别特征的优点。实验仿真表明了该方法的有效性。