非刚性点集配准算法中，能否找到正确的对应关系对配准结果起着至关重要的作用，而通常两个点集中的对应点除了距离比较接近之外还具有相似的邻域结构，因此提出基于全局与局部相似性测度的非刚性点集配准算法。首先，使用一致性点漂移（CPD）算法作为配准框架，采用高斯混合模型对点集进行建模。然后，对全局局部混合距离进行改进，形成全局与局部相似性测度准则。最后，采用期望最大化（EM）算法迭代地求解对应关系和变换公式：在迭代初期局部相似性所占比重较大，从而能够尽快地找到正确的对应关系；随着迭代的进展全局相似性比重逐渐增大，从而确保得到较小的配准误差。实验结果表明，与薄板样条鲁棒点匹配（TPS-RPM）算法、高斯混合模型点集配准（GMMREG）算法、基于L ₂E估计的鲁棒点匹配算法（RPM-L2E）、基于全局局部混合距离与薄板样条的点集配准算法（GLMDTPS）和CPD算法相比，所提算法的均方根误差（RMSE）分别下降了39.93%、42.45%、32.51%、22.36%和11.76%，说明该算法具有较好的配准效果。

针对图像修复结果中存在物体结构上的不连续性和不完整性的问题,提出一种基于深度信息的图像修复算法。首先,通过建立平面参数马尔可夫模型来推测图像中像素点所在场景空间中的深度信息,从而划分出图像中的共面区域,定位匹配块的目标位置;其次,根据透视投影原理推导出相应的变换矩阵,指导对匹配块的几何变换;最后,设计含义深度项的目标代价函数,通过全局优化选择最优修复效果。实验的主观效果对比和峰值信噪比(PSNR)数据都表明该方法更为优越。

传统基于样本块的图像修复方法是在图像全局区域内循环搜索最优相似块,且结构传播过程易受置信因子影响,使得算法运算量大、时间长、效率低。针对以上问题,提出基于随机映射的修复算法。该算法采用随机映射的方法搜索与待修复区域在结构和纹理相似的样本区域,去除冗余的样本搜索空间;其次优化了基于置信因子和边缘信息的优先级计算方法,改进了最优相似块的计算方法,增强了图像结构传播的正确性。实验结果表明,该方法的修复速度比传统方法提高了5~10倍,且增强了图像修复效果。

针对非下采样Contourlet变换具有多尺度分析及平移不变的性质，结合计算机断层成像(CT)和核磁共振(MRI)医学图像各自的成像特性，提出了基于非下采样Contourlet变换和区域特征策略来对低频、高频子带进行融合的医学图像融合方法；介绍了图像融合的评价标准，阐述了非下采样Contourlet变换的原理及实现；从视觉效果和客观数据指标方面对融合图像进行主观评判和数值评价。下颌骨系统CT和MRI图像的融合实验结果表明，该方法相对于小波变换和Contourlet变换方法，可有效综合这两种断层图像的有效信息和细节信息，融合后图像具有更优的视觉质量和量化指标。

针对基于互信息图像配准的局部极值问题,提出一种基于Powell算法与改进遗传算法结合的医学图像配准方法。该方法对标准遗传算法存在的收敛速度慢、易早熟、有可能导致误配的缺陷,提出了相应的改进策略; 采用Logistic混沌映射生成迭代过程中的个体; 运用基于小波变换的多分辨率分析策略,采用混合优化算法在图像的最低分辨率层进行全局优化,以全局最优值,结合Powell算法完成医学图像配准。实验结果表明,所提方法可有效避免优化算子陷入局部极值,并提高了配准速度; 相对于纯Powell方法和未改进的遗传算法,配准的精确度和性能更好。

为了减少面绘制中三角面片数量,节省空间,提高重建效果,提出了经纬线连接法。该方法利用夹角对轮廓线进行重采样,并用等比法生成辅助采样点,实现采样点一一对应,连接采样点形成四角面片来组成物体表面,实现三维重建。以一组头部CT图像为研究对象进行实验仿真,仿真分析表明对轮廓线进行重采样,用四边形代替三角形,减少了面片数量,节省了存储空间,重建时间较短,重建效率较高。

数据的准确性是衡量无线传感器网络(WSN)性能的重要指标，异常数据检测是无线传感器网路面临的关键问题和主要挑战。提出了一种基于变宽直方图的异常数据检测算法，通过数据聚合的方式将网络中的动态感知数据聚合成变宽的直方图来准确检测出异常数据，同时避免不必要的数据传输。对算法的性能进行了理论分析，并基于真实大规模无线传感器网络系统数据进行了实验评估，结果表明算法具有很高的准确率，并有效降低了网络通信开销。

针对树木或高大建筑物遮挡以及噪声等因素造成道路提取结果不完整的现象，根据道路的几何特征，在Snake模型中加入道路宽度信息，构造Ribbon Snake模型。为了克服模型对内部参数依赖性较大、容易受到复杂背景干扰影响的不足，采用B样条曲线对道路的平滑性进行约束，与Ribbon Snake相结合建立道路提取算法，通过调节控制点的数目增强曲线的灵活性。从改进的B样条Ribbon Snake的道路网分割结果可以看出，分割的结果更加平滑，精度更高，对噪声具有更好的鲁棒性。