针对物体成像过程受光学系统散焦、运动、大气扰动及光电噪声等因素影响，导致光学系统获取的图像存在噪声、模糊、畸变等降质问题，对基于自然图像块相似性和自然图像稀疏先验信息的图像复原方法进行研究，提出一种泛化的基于图像块相似性和自然图像稀疏先验的图像复原框架。首先，在研究自然图像稀疏先验模型的基础上比较了几种图像块的相似性模型，比较结果表明在图像复原中利用图像块的高相似性先验条件模型能够提升图像复原的性能；接着，构建和优化了基于图像块的期望log相似性模型，减少了运行时间，简化了学习过程；最后，通过构建一种近似的最大后验估计（MAP）算法，最终实现了基于优化的期望块log相似性和混合高斯模型（GMM）的图像复原。仿真实验结果表明，所提方法能够很好地复原包含有各种模糊和加性噪声的退化图像，所得图像的峰值信噪比（PSNR）和结构相似度（SSIM）都优于当前技术条件下的其他稀疏先验复原方法，并具有更好的视觉效果。

针对模拟电路故障预测存在的非线性时间序列预测问题和传统支持向量回归（SVR）多步预测时出现的误差累积问题，提出了一种基于相空间重构的自适应残差修正SVR预测算法。首先，分析了SVR多步预测方法对时间序列趋势预测的意义和多步预测导致的误差积累问题；其次，将相空间重构技术引入SVR预测中，对表征模拟电路状态的时间序列进行相空间重构，并进而进行SVR预测；然后，在对多步预测过程中产生的误差累积序列进行二次SVR预测的基础上，实现对初始预测误差的自适应修正；最后，对所提算法进行了预测仿真验证。仿真验证和模拟电路的健康度预测实验结果表明，所提算法能有效降低多步预测导致的误差积累，显著提高回归估计精度，更好地预测模拟电路状态的变化趋势。

为了有效地进行视频镜头边界检测，在简要介绍了现有的镜头边界检测基本方法的基础上提出了基于SVD的镜头边界检测方法。该方法通过特征提取来构造视频特征矩阵，经过SVD变换得到特征值矩阵，然后将特征值矩阵映射到向量空间，最后通过分析向量间的夹角来判断镜头的变化。实验结果表明，在镜头边界检测性能上优于已有的基于帧差的双阈值镜头边界检测方法。