针对主动视觉安检方法检测性能不高和检测速度慢的问题，基于Q学习（QL）算法提出了采用状态回溯的启发式Q学习（HASB-QL）算法进行最佳视角估计。该算法引入代价函数和启发函数，提高了学习效率，加快了Q学习收敛。首先，对通过安检扫描仪获取的X光图像进行单视角检测；然后，对姿势作出估计并通过在状态回溯过程中比较重复动作的选择策略获取最佳旋转角度，再次进行单视角检测，直到检测到危险品；此外，在检测过程中多于一个视角时，建立几何约束以消除误报。对GDXray数据集中的手枪和剃刀刀片的X光图像进行实验，实验结果表明，相比于以Q学习为基础的主动视觉算法，改进的主动视觉算法检测手枪所得精确率和召回率之间的加权平均值 F ₁值提高了9.60%，检测速度提高了12.45%；检测剃刀刀片所得的 F ₁值提高了2.51%，速度提高了17.39%。所提算法提高了危险品检测的性能和速度。

大津法对由多个目标组成的图像求最佳阈值时，消耗大量时间。针对此不足,提出简单而快速求多阈值的方法，对已分割的小区间反复利用大津的二分法和方差比值求出需要的阈值。首先，对研究图像的整个灰度值区间利用大津法分成两类；然后，对已分出的两个区间分别应用二分大津法，两类分成四类、八类等。比较实验结果表明，该方法适合图像特征，能快速分割目标图像，可以应用于模式匹配以及人脸识别。