针对海量、异构、复杂的三维模型高效形状分析需求，提出基于最优最小生成树的三维模型形状优化方法。首先基于三维模型最小生成树（3D-MST）构造模型的结构描述；其次通过拓扑结构与几何形状检测并结合双边滤波与熵权值分布进行局部优化，获得模型的优化MST表示；最终基于优化的Laplacian谱特征，结合薄板样条函数（TPS），实现模型的形状分析与相似性检测。实验结果表明，所提方法不仅有效地保留了模型的形状特征，而且可高效地实现复杂模型的稀疏优化表示，能进一步提高几何处理与形状检索的高效性和增强鲁棒性。

受显微传感器和不规则收集方法的影响，花粉图像常受到不同程度的噪声干扰且有着不同角度的旋转变化，识别精度普遍不高，为此提出了基于主梯度编码的局部二进制模式（DGLBP）描述子，并应用于花粉图像的分类识别。首先，计算图像块在主梯度方向上的梯度幅值；其次，分别计算图像块的径向、角向，以及复合梯度差；然后，根据各图像块的梯度差进行二进制编码，参照各局部区域的纹理分布情况为二进制编码自适应分配权重，并提取花粉图像在3个方向上的纹理特征直方图；最后，对不同尺度下的纹理特征直方图进行融合，采用欧氏距离计算各图像的相似度。DGLBP方法在Confocal和Pollenmonitor数据集上的平均正确识别率分别为94.33%和92.02%，与其他花粉识别方法相比平均提高了8.9个百分点和8.6个百分点，与LBP改进方法相比平均提高了18个百分点和18.5个百分点。实验结果表明，DGLBP描述子对花粉图像的噪声干扰和旋转变化具有较好的鲁棒性，且具有较优的识别效果。

针对目前铅笔画生成方法中的线条不够灵活、纹理缺少方向感的问题，提出了一种基于带方向的纹理和线条草图将一幅图像转换为铅笔画风格的方法。首先，对输入图像进行直方图匹配得到图像的色调图，并将图像分割为多个区域，对每个区域，根据其颜色和形状计算其色调和方向，以此决定铅笔纹理的色调和方向；然后，通过可调整的线性卷积方法得到铅笔画的线条草图；最后，将纹理和草图结合得到铅笔画效果。运用提出的方法对不同类型的自然图像进行了铅笔画的转换，并与已有的线卷积积分方法和基于色调的方法进行了对比。实验结果表明带方向的区域纹理能更好地模拟手工铅笔画纹理的方向，可调整的线条能够更好地模拟手工铅笔画的线条的随意性和灵活性。

对矢量数据压缩算法中DP压缩算法在引入无线传感器网络的同时进行了改进，针对压缩过程中对数据的扫描次数问题，提出簇首提取压缩算法。该算法中“簇首”即为“数据簇首”，簇首提取压缩算法设定步长减少压缩过程中对数据的扫描次数，并采用最佳曲线拟合方法对监测数据点做直线优化拟合，根据数据间的依附关系，将体现整体特征的簇首数据进行提取；同时，对非簇首数据进行子群划分。仿真结果表明，簇首提取压缩算法程序更为简单，对大波动数据有较好的簇首提取效果，减少了网络中数据的传输量，有效地节省了整个网络的能量消耗。

针对传统质点位置修正方法在处理超弹性现象时的布料抖动问题,提出一种基于质点—弹簧模型的质点约束方法。在每次迭代中只对拉伸最长的弹簧进行位置修正,其余过度拉伸的弹簧只作质点速度调整。算法以窗帘动态模拟为例,快速逼真地模拟了窗帘在外力作用下的飘动效果。实验结果表明,该方法能够抑制超弹性现象的发生,并能有效地避免布料不切实际的抖动,具有较强的稳定性。

为了改进单纯依靠相似度的图像特征匹配效果，提出了一种特征匹配方法，采用投票的方法在特征匹配的过程中引入几何约束。首先根据特征的描述向量进行初步的快速匹配，得到候选特征对以后通过投票的手段在特征之间相似度矩阵中引入一种鲁棒的几何约束，并通过自适应阈值过滤的方法获得图像特征匹配。在实验中验证了该方法对图像特征匹配正确与否具有较强的区分能力，在与已有技术接近的计算时间内得到了更高的匹配准确度。基于几何约束投票的图像特征匹配比单纯依靠相似度具有更好的匹配效果。