针对身份验证中经常出现的照片欺诈问题，提出了一种基于InceptionV3和特征融合的人脸活体检测模型——InceptionV3_FF。首先，在ImageNet数据集上预训练InceptionV3模型；其次，从InceptionV3模型的不同层得到图像的浅层、中层和深层特征；然后，将不同的特征进行融合得到最终的特征；最后，使用全连接层对特征进行分类，从而实现端到端的训练。InceptionV3_FF模型在NUAA数据集和自制的STAR数据集上进行仿真实验，实验结果表明，InceptionV3_FF模型在NUAA数据集和STAR数据集上分别取得了99.96%和98.85%的准确率，高于InceptionV3迁移学习和迁移微调模型；而与非线性扩散卷积神经网络（ND-CNN）、扩散核（DK）、异构内核卷积神经网络（HK-CNN）等模型相比，InceptionV3_FF模型在NUAA数据集上的准确率更高，具备一定的优越性。InceptionV3_FF模型对数据集中随机抽取的单张图片进行识别时，仅需4 ms。InceptionV3_FF模型和OpenCV结合构成的活体检测系统可以对真假人脸进行识别。

混合图像分割算法所包含的两个部件中，初始分割不能形成低误分割率的过分割区域集，而区域合并存在缺少区域合并标号选择机制，且存在确定区域合并停止时刻的方式常不满足场景需求的不足。针对以上问题，提出一种基于多级区域信息融合的混合图像分割算法（MRIHS）。首先，使用改进的马尔可夫模型平滑超像素块，以形成初始分割区域；其次，在对初始分割区域进行相似性度量并选定待合并区域对后，利用设计出的区域标号选择机制来选定合并后的区域标号；最后，定义一种最佳合并状态以确定合并停止时刻。为验证MRIHS性能，在视觉对象类别（VOC）、剑桥驾驶标签视频数据库（CamVid）、自建的河湖巡检（rli）数据集上，将其与基于多维特征融合的混合图像分割算法（MFHS）、改进的基于区域合并的FCM图像分割算法（IFRM）、基于段间和边界均质性的混合图像分割算法（IBHHS）、基于多维色彩变换与一致性的混合图像分割算法（MCCHS）进行对比。结果表明：MRIHS在VOC、rli数据集上的边缘召回率（BR）、可达分割精准度（ASA）、查全率、重合率至少分别比其余算法提高了0.43个百分点、0.35个百分点、0.41个百分点、0.84个百分点；欠分割误差（UE）至少减少了0.65个百分点。在CamVid数据集上，MRIHS的查全率、重合率指标至少比其余算法提高了1.11个百分点、2.48个百分点。

针对水下图像的纹理细节模糊、对比度低以及图像光照不均问题,通过分析水下图像的成像过程,提出一种水下图像清晰化算法。在小波域的低频子带上结合水下图像光学成像模型,先利用高斯模糊对介质散射光进行估计与去除,再采用基于局部复杂度的方法调整衰减因子,对衰减低频子图进行自适应增强；在高频子带上采用非线性变换的增强方法,进一步增强了高频信息并有效地抑制了噪声的放大。实验结果表明该算法对解决水下图像模糊和光照不均问题具有较好的效果,与基于小波变换的水下降质图像复原算法相比,具有较高的实时性。

为了解决高速公路绿色通道验货部门存在的难以用人工的方法去判断车中是否夹带违禁物的实际问题，在采集香蕉的雷达回波图像的基础上，利用灰度共生矩阵的特征提取，提出了基于反向传播(BP)神经网络对香蕉的雷达回波图像进行识别和分类的方法，编制了香蕉的雷达回波图像的识别和分类软件。通过在河南高速服务区绿色通道验货部门的实际应用，表明该软件有较好的识别和分类效果。

支持向量机(SVM)在许多实际应用中由于训练样本集规模较大且具有类内混杂孤立点数据，引发了学习速度慢、存储需求量大、泛化能力降低等问题，成为直接使用该技术的瓶颈。针对这些问题，通过在点集理论的基础上分析训练样本集的结构，提出了一种新的支持向量机大规模训练样本集缩减策略。该策略运用模糊聚类方法快速的提取出潜在支持向量并去除类内非边界孤立点，在减小训练样本集规模的同时，能够有效地避免孤立点数据所造成的过学习现象，提高了SVM的泛化性能，在保证不降低分类精度的前提下提高训练速度。