针对红外成像条件下人体目标受干扰严重时目标的识别准确性和鲁棒性较差的问题，提出了一种基于多特征降维和迁移学习的红外人体目标识别方法。首先，针对传统的红外人体目标特征提取方法提取某单一特征时存在信息涵盖不全面的问题，提取目标不同种类的异构特征，从而充分挖掘出红外人体目标的特点。其次，为了向后续识别分析提供有效且紧凑的特征描述，采用主成分分析方法对融合后的异构特征进行降维。最后，针对带标签的红外人体目标样本数据匮乏、训练样本和测试样本之间的分布及语义偏差导致的泛化性能差等问题，提出了一种有效的基于迁移学习的红外人体目标分类器，可较大程度地提高泛化性能和目标识别准确度。实验结果表明，所提的方法在红外人体目标数据集上的识别准确率达到了94%以上，与使用方向梯度直方图（HOG）特征、亮度自相似（ISS）特征等单一特征进行特征表示的方法以及使用传统的非迁移分类器如支持向量机（SVM）、 K-近邻算法（ KNN）等进行学习的方法相比均有所提升，且更加稳定，可以在实际的复杂红外场景中提升人体目标识别的性能。

针对原始粒子群优化算法（PSO）在搜索过程中容易陷入局部最优点的问题，并尽量避免破坏种群多样性，提出一种含交叉项的混合二范数粒子群优化算法HTPSO。首先，利用二范数原理计算当前粒子与个体历史最优粒子间的欧氏距离；其次，将欧氏距离引入速度迭代公式以影响社交项对粒子速度的作用，并按照一定规律随机分布惯性权重；最后，在此基础上简化粒子群算法，并将差分进化（DE）算法中的交叉算子融入该算法中，使粒子能在一定概率下与个体历史最优粒子交叉。为了验证HTPSO的性能，与利用正弦函数改进惯性权重的粒子群优化算法（SinPSO）、自适应粒子群优化算法（SelPSO）、基于自适应惯性权重的均值粒子群优化算法（MAWPSO）和简化粒子群优化算法（SPSO）在不同维度下解决8个常用基准函数，并根据T-test、成功率和平均迭代次数分析了各算法的优化结果。实验结果表明，HTPSO具有较优秀的收敛能力，且粒子运动非常灵活。

针对A ^*算法在数字高程模型（DEM）路径规划中的低效问题，提出一种基于距离与坡度的改进A ^*寻路算法。该算法面向规则网格DEM，以距离和坡度作为路径搜索评估指标，设计新的评价函数，并以地表障碍评判路径的可通行性。在寻路过程中，根据实际场景DEM数据计算相匹配的参数，使得改进算法能自适应不同场景下DEM数据分辨率的变化；采用动态权值调整完备性函数和启发性函数对评价结果的影响，优化路径选择。仿真测试结果表明，改进算法能够通过参数调整适应DEM分辨率的变化，搜索出优化的路径，降低搜索时间，提高搜索效率。

针对人工蜂群（ABC）算法不易跳出局部最优解的缺点，提出了多交互式人工蜂群（MIABC）算法。该算法在基本人工蜂群算法的基础上引入随机邻域搜索策略，结合跨维搜索策略，且改进蜜蜂越限处理方式，使得算法搜索方式多样化，从而使得算法搜索更具跳跃性，不易陷入局部最优解，同时，对其进行收敛性分析和性能测试。在五种经典基准测试函数和时间复杂度实验上的仿真结果表明，相对于标准人工蜂群算法和基本粒子群优化（PSO）算法，该算法在1E-2精度下收敛速度提高了约30%和65%，搜索精度更优，且在高维求解问题方面有明显优势。

针对终端接入移动网络缺乏可信性验证问题，提出一种移动网络可信匿名认证协议，移动终端在接入网络时进行身份验证和平台完整性认证。在可信网络连接架构下，给出了可信漫游认证和可信切换认证的具体步骤，在认证时利用移动终端中预存的假名和对应公私钥对实现了用户匿名隐私的保护。安全性分析表明，协议满足双向认证、强用户匿名性、不可追踪性和有条件隐私保护。协议中首次漫游认证需要2轮交互，切换认证需1轮即可完成，消息交换轮数和终端计算代价优于同类可信认证协议。

无线传感器网络（WSN）中的移动节点缺乏可信性验证，提出一种物联网（IoT）环境下移动节点可信接入认证协议。传感器网络中移动汇聚节点（Sink节点）同传感器节点在进行认证时，传感器节点和移动节点之间完成相互身份验证和密钥协商。传感器节点同时完成对移动节点的平台可信性验证。认证机制基于可信计算技术，给出了接入认证的具体步骤，整个过程中无需基站的参与。在认证时利用移动节点的预存的假名和对应公私钥实现移动节点的匿名性，并在CK（Canetti-Krawczyk）模型下给出了安全证明。在计算开销方面与同类移动节点认证接入方案相比，该协议快速认证的特点更适合物联网环境。

基于De Bruijn序列的彩色结构光编码作为空间编码的一种，具有测量速度快的特点。其中，彩色条纹的识别是关键问题之一。针对高低强度相间的4色De Bruijn序列条纹投射模式的特点，在L*a*b*颜色空间中，通过L值的线性二次差分滤波实现了对捕获的彩色结构光高低强度条纹的分割。利用主成分分析和K均值聚类思想，设计了自适应颜色聚类方法，实现了对4种高低强度颜色的识别。实验结果表明，该方法对环境光等因素具有较好的鲁棒性，满足彩色结构光视觉测量对精度要求高以及信息提取简单的要求。

在对物联网在工业监控领域的应用研究后，针对目前工业监控终端体积大、容量小、功能简单等问题，设计并实现了一种微型化、大容量、强实时、多参数的M2M监控终端。该终端设计了基本的监控模块，且针对不同的应用环境预设了可配和选择模块，使适用范围更广。实现了网络动态配置接口，提高了终端的通用性。并借鉴传统数据采集模式，设计一种数据采集和数据传输优化方案，并对优化算法进行探讨，经应用结果分析，对系统开销、数据传输等指标有显著的改进。

通过研究不同的差分分析对MD5算法的攻击后发现，差分分析攻击之所以可以成功，是因为在MD5算法中改变了明文中一些特定位，而这些特定位的改变在许多轮中最多只影响链接变量的几个位，并且这些小的差分能在随后的多轮操作中得到纠正，从而产生了碰撞。这就说明原MD5算法的雪崩效应不能阻止差分分析的攻击，而为了提高MD5算法的安全性，必须提高其雪崩效应的敏感性。分析结果表明，用动态明文变化函数对MD5算法进行修改，能使其产生更敏感的雪崩效应，以此来有效防止差分分析攻击，提高MD5算法的安全性。

分析了Lee-Chiu等人基于智能卡的身份鉴别方案,指出了方案中存在的安全性问题，并提出了改进方案。与Lee-Chiu等人的方案相比，该方案不仅能够提供用户、服务器之间双向身份鉴别，而且能够抵抗重放攻击、猜测攻击和假冒攻击，增强了应用系统的安全性。

针对航拍图像序列拼接问题，提出一种基于尺度不变特征变换（SIFT）特征的自动拼接方法，该方法主要包括图像配准和镶嵌两个步骤。由于航拍序列各帧图像之间存在较大差异，因而常用的基于特征的配准方法适用性较差，对此，提出利用SIFT特征来实现准确、稳健的航拍图像配准。进一步的，提出一种基于视觉特征的色彩融合方法以取得平滑的镶嵌效果。最后，通过对真实航拍序列进行拼接实验验证了所提方法的有效性。

针对现有图像分割方法中存在的计算复杂，分割结果平滑性不好等问题，提出了基于色彩均匀度的自然图像色彩—纹理分割方法ISBEC。该方法首先对输入图像进行色彩量化，然后利用量化得到的索引图同时进行色彩分割和基于色彩均匀度的多尺度纹理分析，接着将纹理和色彩分割的结果加以结合，最后合并去掉过分割区域。将灰度图像转为色彩分量相同的彩色图像后，ISBEC算法同样可以用于灰度图像的分割。实验结果验证了ISBEC对自然图像色彩—纹理分割的有效性。

为加快色彩量化中色彩映像过程的计算速度，提出了一种等范数等加和调色板搜索算法ENESPS。该算法选择与待映射像素色彩矢量的范数最接近的调色板色彩作为初始搜索点，然后利用范数限定条件和加和限定条件来缩小调色板搜索范围。实验结果表明，相对于其他一些搜索方法，ENESPS能有效缩短平均搜索长度，并明显减少色彩量化所需的计算时间。