针对无人机（UAV）影像农田场景地块边界提取过程中由于大幅面、高分辨率和地块尺寸大小不一致等带来的过分割问题，提出了一种基于多尺度分割的地块边界自动化提取流程。该流程采用分块分割策略，在多尺度组合聚合（MCG）分割方法框架下，通过对比实验研究并选取最佳地面采样距离和分析边界提取准确率关于尺度变化曲线选择最优分割尺度，进而实现了地块边界自动提取。以湖北省仙桃市为数据源进行的实验结果表明：面向地块边界提取的最佳地面采样距离为30 cm，最优分割尺度为[0.2，0.4]，整场景总体地块边界提取准确率可达90%以上。该方法不仅能准确提取大幅面的农业地块边界，也可为后期农业无人机航拍规划提供参考依据。

针对目前单极化合成孔径雷达（SAR）伪彩色编码方法存在的细节信息和可视性不强的问题，提出一种颜色特征编码方法。该颜色特征编码方法首先对单极化SAR图像提取纹理特征；然后将每一个特征量化到0到255；其次对每一个灰度级赋予一个RGB颜色，编码成颜色特征图；最后对随机森林计算得到的特征重要性进行排序，每3维特征对应为R、G、B通道生成伪彩图。基于该颜色特征编码方法，提出一种新的分类方法。该分类方法首先根据目视效果选择可分性最好的伪彩图；然后采用统计区域合并（SRM）分割算法对其分割；其次将所有RGB伪彩图作为分类的特征，以随机森林为分类器进行分类，得到初步的结果；最后对初步的结果进行相对多数投票，得到最终的分类结果。方法验证采用两组TerraSAR-X单极化SAR数据，与基于HIS的颜色编码方法对比，该颜色特征编码方法生成的伪彩图信息熵得到了很大提升，且两组数据每类地物的分类精度都大幅度提高，因此证明了所提算法保留了更多的细节信息，获取更多的颜色信息，更利于可视化和地物分类，从而表明提出的颜色特征编码方法是可行的。

可分性指数（SI）可用来选择各类地物的有效分类特征，但在多维特征以及地物可分性较好的情况下，只利用可分性指数进行特征选择不能有效去除特征之间的冗余性。基于此，提出了利用可分性指数并辅以顺序后退（SBS）算法进行特征选择与多层支持向量机（SVM）分类的方法。首先，由各类地物在所有特征下的可分性指数选择分类地物和特征；然后，以该地物的分类精度为评估依据，利用顺序后退法筛选特征；其次，由剩余地物之间的可分性指数和顺序后退法依次选择各类地物的分类特征；最后利用多层SVM进行分类。实验结果表明，与只利用可分性指数选择特征进行多层SVM分类的方法相比，所提方法的分类精度提高了2%，各类地物的分类精度均高于86%，且运行时间为原来方法的一半。

为了充分利用极化合成孔径雷达（SAR）图像不同极化特征对不同地物目标类型的刻画能力，提出一种基于多层支持向量机（SVM）的极化SAR特征分析与分类方法。该方法首先通过特征分析确定适合不同地物类型的最佳特征子集；然后采用分层分类树的方式，根据每一种地物类型的特征子集逐层进行SVM分类；最终得到整体分类结果。RadarSAT-2极化SAR图像分类实验结果表明所提方法水域、耕地、林地、城区4类地物分类精度为85%左右，总体分类精度达到86%。该算法充分利用了不同地物目标类型的特性，提高了分类精度，也降低了算法时间复杂度。

针对传统正则化超分辨率（SR）重建模型中，正则化参数选择过大会使重建结果模糊，导致边缘和纹理等细节丢失，选择过小模型去噪能力又不足的问题，提出一种基于结构张量的双正则化参数的视频超分辨率重建算法。首先，利用局部结构张量对图像进行平滑区域和边缘的检测；然后，利用差异曲率对全变分（TV）进行先验信息加权；最后，对平滑区域和边缘采用不同的正则化参数进行超分辨率重建。实验数据显示提出的算法将峰值信噪比（PSNR）提高了0.033～0.11 dB，具有较好的重建效果。实验结果表明：该算法能够有效地提升低分辨率（LR）视频帧重建效果，可应用于低分辨率视频增强、车牌识别和视频监控中感兴趣目标增强等方面。

针对安防监控摄像头被树叶遮挡的问题，提出一种基于支持向量机(SVM)的视频树叶遮挡检测算法。该算法利用视频的时域特性，采用累积帧差法实现对视频中疑似树叶区域的分割，提取视频中某一帧图像的整个区域和疑似树叶区域的颜色信息与面积信息作为视频的特征，最后采用支持向量机进行建模并用于视频树叶遮挡的检测。在有限样本前提下，算法准确率能够达到84%。实验结果表明，所提算法对于有树叶遮挡的监控视频能够进行有效识别。

针对计算流体力学应用开发框架容错支持能力的不足，提出了一种新的容错周期优化方法。该方法基于系统故障的概率建模，计算得到理想最优容错周期；并结合计算流体力学应用场数据输出的特点，在线确定实际检查点备份时机。三个典型应用的实验结果表明，在不同平均无故障时间的系统上，与固定时间步进行容错的方法相比，该方法总能够得到最优的容错开销。用户可以基于该方法通过框架接口便捷地设置容错周期，并有效降低容错所引起的开销。