基于分维特征的目标分割与检测

提出了一种改进的盒维数算法 .基于这种盒维数定义 ,对高通滤波后的图像逐点计算 ,所得的盒维数为该点的分形特征 .根据这种算法 ,背景中多种不同纹理的特征值非常接近 ,而目标所在位置的特征值高于背景所在位置的值 .并提出一种迭代的分割 聚类法检测各目标 .     

基于顺序形态滤波的边缘检测

介绍了灰度图像的顺序形态变换基本概念,定义了两种基于顺序形态滤波的广义边缘算子,重点讨论了百分位ｐ＝１／２时的边缘算子抑制噪声、提取边缘的理论和方法。实验表明,同传统的边缘检测算子相比,该方法具有良好的噪声抑制和边缘提取特性。     

一种自动目标识别算法参数的优化方法

提出了一种基于试验设计方法学的响应曲面模型方法，用于建立算法的性能模型．将一种小群体自组织的遗传算法用于算法参数的优化．遗传算法的改进，使得结构更加合理简单，收敛速度明显加快．实验结果表明，所提出的方法能够随着场景条件的变化较好地调整算法参数，从而有效地提高了算法性能．     

一种序列图像运动目标速度的估计方法

提出了一种在连续时空空间对序列图像中运动目标的速度进行估计的算法。该算法克服了以往序列图像目标提取方法的缺点，通过在动态环境里对时间和空间轴求偏导并用三维拟合模板进行数值逼近，较为精确地估计目标的运动速度。算法对目标遮挡和形状变化较大的情形有鲁棒性，计算机模拟实验的结果验证了算法的良好性能。     

视频序列中人脸眼嘴特征定位

提出了一种基于数学形态学和分水岭算法的眼嘴特征定位算法．根据人脸稳定的色度、梯度和亮度空间分布的信息，先利用数学形态学的运算对图像进行有效部分加强的预处理．后利用分水岭算法对加强图像进行分割，然后再定位特征．实验证明该算法能有效定位正面人脸的眼嘴高级特征，对于轴线不与视平面平行的脸部和一些被阴影遮挡脸部也能确定其大致位置．     

复杂背景中的目标辨识方法研究

研究了二维熵准则极值的递推算法，以获取图像分割的最优门限，基于知识和多特征复合的思想，提出了一种具有知觉组织特点的目标辨识方法，给出了识别复杂场景中特定目标的实验结果。     

目标提取与跟踪的稳定性研究

提出并分析了目标提取的稳定性问题，指出基于统计决策理论的目标提取算法性能不稳定的原因之一，在于缺乏时空可变的目标背景条件判别和最佳分割区域自调整能力，并且通常是基于绝对图像灰度或绝对灰度变化及其统计性质的。根据视觉原理，还提出了一个具有可控性的自适应序列图像目标提取模型和算法，给出了复杂背景中运动目标提取和跟踪的实验结果。     

平均绝对差算法捕获概率的估计

本文采用图象相关的统计模型对平均绝对差算法捕获概率公式进行了推导,并在此基础上进行了化简,从而得到捕获概率的估计公式.使用四幅不同图象所进行的大量实验结果表明,本文捕获概率的估计值与实验值比较接近,而Johnson公式计算值则误差太大.