针对无约束条件下的人脸图像样本少、面部姿态变化大、被遮挡以及背景复杂等问题，提出一种结合三维人脸矫正与相似性学习相结合的人脸验证算法（sub-SL）。首先，通过三维人脸矫正方法对人脸图像进行姿态矫正，将图像中的人脸矫正为标准正面脸；其次，裁剪该正面脸的脸部相关区域，去除复杂的图像背景；最后，利用基于个体子空间的相似性学习方法对图像对之间的相似度进行度量，完成人脸验证。实验采用了几个以LFW（Labeled Faces in the Wild）数据库为基础的经过预处理操作（例如人脸矫正、裁剪等）后建立起来的数据库。在基于局部三值模式（LTP）的特征提取方法并且训练图像对数为625的实验中，sub-SL算法的识别率比利用马氏距离进行度量学习的算法sub-ML以及结合了马氏距离与相似性学习的度量学习算法sub-SML分别高出了15.6%和8.4%。实验结果表明，sub-SL算法能够有效提高无约束条件下人脸识别的准确率。

支持向量机(SVM)的分类决策过程涉及到对原始训练样本的学习,容易导致数据中隐私信息的泄漏。为解决上述问题,提出一种基于信息浓缩的隐私保护分类方法IC-SVM。该算法首先根据样本的邻域信息,通过模糊C均值(FCM)聚类算法进行聚类分析;接着,使用信息浓缩准则对聚类中心进行处理,得到浓缩点组成的新样本;最后,使用新样本进行训练并得到决策函数,并用它去进行分类测试,可以较好地保护数据的隐私。在UCI真实数据和PIE人脸数据上的实验结果表明,IC-SVM方法既能保护数据信息的安全,又有较高的分类准确率。

为了充分利用深度图像与骨骼数据进行人体行为识别，提出了一种基于深度图形与骨骼数据的多特征行为识别方法。该算法的多特征包括深度运动图（DMM）特征与四方形骨骼特征（Quad）。深度图像方面，将深度图像投影到一个笛卡尔坐标系的三个平面获得深度运动图特征。骨骼数据方面，提出四方形骨骼特征，它是骨骼坐标的一种标定方式，得到的结果只与骨骼姿态有关。同时提出一种多模型概率投票的分类策略，减小了噪声数据对分类结果的影响。所提方法在MSR-Action3D和DHA数据库进行实验，实验结果表明，所提算法有着较高的识别率与良好的鲁棒性。

为解决大量工业远程监控数据在通用分组无线服务(GPRS)网络上的传输延迟问题,提出了基于改进科学计算浮点数压缩(FPC)算法的工业远程监控数据无损压缩方法.首先,根据工业监控数据中浮点数部分的特点对原FPC算法中的预测器结构进行改进,并将该改进算法作为浮点数部分的压缩算法; 然后,与区间编码相结合作为整个数据域的压缩方法.改进前后的浮点数部分压缩实验结果表明改进的FPC算法提高了预测器的预测精度,且在保持较高压缩效率的同时提高了压缩率.与通用无损压缩算法相比,所提算法提高了12%以上的平均压缩率,减少了38.5%以上的平均压缩时间,使得传输时间降低了23.7%以上,在传输数据量大且传输速率不高的情况下大大提高了监控的实时性.

在以聚类分析为背景的图像分割算法中,引入局部信息是为了在保留图像细节的同时尽可能地减少噪声.在模糊C均值算法基础上,提出了一种基于核与局部信息的多维度模糊聚类分析方法来权衡图像中的噪声和细节.该算法引入2个基于局部信息的图像变体,即平滑和锐化处理后的图像,使之与原始图像一起构成多维度的灰度值向量来替换原始单维的灰度值; 再利用核方法提高其鲁棒性; 最后添加一个邻域隶属度差异惩罚项很好地修正和增强了最终的分割效果.在人工合成图片的去噪实验中,所提方法取得了近99%的分割正确率,优于Nystrom归一化分割(NNcut)和基于模糊局部信息C均值(FLICM)算法;同时在自然图片和医学图片的对比实验以及参数调控实验中,展现出了其在处理图像噪声和细节时灵活、稳定、健壮且易于调控的特点.

目前在H.264/AVC压缩域分割领域中常用方法造成局部运动矢量(MV)缺失，而通过全局运动补偿来还原运动矢量导致其时间复杂度提高。为解决此问题，提出一种基于边界聚类的快速凸壳分割(BS-CHSTF)算法。该方法主要利用码流中的运动矢量场信息进行分割，首先,对MV利用时空域滤波(STF)对运动矢量进行预处理，采用八方向自适应搜索算法进行边界搜索确定运动连通域；然后根据每个连通域边界求解凸壳并对其进行连通域填充，之后利用运动矢量与距离信息设定聚类规则，对多个连通域进行聚类；最后，对其进行优化掩膜达到分割运动对象的效果。实验结果表明，与混合高斯模型(GMM)分割算法和压缩域蚁群算法(ACA)比较，在分割准确率上平均提高了近3%，甚至在运动矢量场严重缺失的情况下，提高了近20%；而在分割速度上平均提高了近25%。该方法着重于求得运动对象的完整性与快速性，在运动对象不完整的情况下，能够获得较好分割精准度。

结合模糊集理论、双向二维主成分-线性鉴别分析((2D)2PCALDA)的特点，提出一种新的人脸图像特征提取方法。算法首先对人脸图像进行二维主成分分析(2DPCA)处理，再用模糊K近邻算法计算图像的隶属度矩阵，并将其融入到2DLDA过程中，从而得到模糊类间散射矩阵和模糊类内散射矩阵。与(2D2PCALDA相比，该算法充分利用了(2D)2PCALDA的优点，有效地提取了行和列的识别信息，并充分考虑了样本的分布信息。在Yale和FERET人脸数据库上的实验结果表明，该方法识别效果优于(2D)2PCALDA、双向二维主成分分析((2D)2PCA)等方法。

针对同一场景多聚焦图像的融合问题，提出了一种基于小波变换的自适应脉冲耦合神经网络（PCNN）图像融合方法。首先，对源图像进行小波分解，得到不同尺度下的子带图像；然后，在小波域中利用PCNN的同步脉冲激发特性，制定基于PCNN的融合规则；使用不同尺度下的小波系数的拉普拉斯能量（EOL）作为对应神经元的链接强度，经过PCNN点火得到源图像在小波域中的点火映射图；通过判决选择算子，选择点火次数多的小波系数作为对应的融合系数，然后进行区域一致性检验，获到最终的融合系数；最后，对融合后的系数进行小波逆变换得到融合图像。实验结果表明，该方法更有效地提取原始图像的特征信息，提高融合图像的视觉效果，在主观视觉效果与客观性能指标上均优于传统的图像融合方法。

针对同一场景红外图像与可见光图像的融合问题,提出了一种基于二代Curvelet变换与模块化主成分分析(MPCA)的图像融合新方法。首先对原始图像分别进行快速离散Curvelet变换,得到不同尺度和方向下的粗细尺度系数;根据红外图像与可见光图像的不同物理特性以及人类视觉系统特性,对粗尺度系数的选择,采用基于模块化主成分分析(MPCA)的融合规则,确定融合权值,而对不同尺度与方向下的细尺度系数的选择,采用基于局部区域能量的融合规则;最后经Curvelet逆变换得到融合结果。实验结果表明,该方法能够更加有效、准确地提取图像中的特征,在主观视觉效果与客观评价指标上均取得了较好的融合效果,是一种可行有效的图像融合算法。