为了更好地保留原彩色图像的局部对比度, 获得感知准确的灰度图像, 提出了一种轮廓波域内局部对比度增强的灰度化算法。首先在CIE Lab色彩空间中利用共轭梯度算法优化目标函数, 求取全局映射函数参数, 得到初步灰度化图像; 然后采用轮廓波变换对彩色图像和初步灰度化图像进行多尺度多方向分解, 利用局部色彩对比度比值对方向细节图像进行对比度增强, 应用轮廓波逆变换得到增强后的细节图像; 最后将初步灰度化图像与增强后的细节图像进行叠加, 得到灰度化图像。对COLOR250和adik图像集的实验结果表明, 本文提出的算法优于已有文献的一些典型灰度化算法, 能够有效保留原始图像的对比度与结构信息, 灰度化图像视觉感知自然, 主客观评价结果均为最优。

人脸对齐是人脸识别系统中的一个核心部分, 定位的准确性和定位速度直接影响到人脸识别的效果。人脸图像存在不同姿态、不同表情、不同光照条件等因素的影响, 真实场景下的人脸对齐成为一个难题。本文提出了一种基于SURF特征的栈式自编码网络人脸对齐方法, 首先通过粗糙定位网络找到近似人脸特征点, 并提取局部的SURF特征, 输入到局部细化网络, 通过级联结构, 进一步精确化人脸特征点的具体位置。最后, 在人脸数据集AFLW和HELEN上与近几年的对齐方法进行对比实验, 平均错误率8.80%, i5四核CPU, 2.3 Hz主频硬件平台下计算时间76 ms。我们的人脸对齐方法在真实场景下(包括单人和多人)具有较好的鲁棒性, 可以实现准确定位。

为了提升多模态图像融合精度,提出了一种局部化非下抽样剪切波变换与脉冲耦合神经网络相结合的图像融合方法。首先，利用局部化非下抽样剪切波对源图像进行多尺度、多方向分解; 然后，在分解后的各子带图像中，利用局部区域奇异值构造的局部结构信息因子作为PCNN神经元链接强度。经过脉冲耦合神经网络点火处理，获取子带图像的点火映射图，通过判决选择算子，选择各子带图像中的明显特征部分生成子带融合图像; 最后，应用局部化非下抽样剪切波逆变换重构图像。选用多组不同模态的图像进行实验，并对实验结果进行了客观评价。实验结果表明，本文提出的融合方法在主观和客观评价上均优于一些典型融合方法，可获得更好的融合效果。

为提高复杂环境下TLD(Tracking-Learning-Detection)算法的跟踪精度和速度, 提出基于二值化规范梯度(BING)的高效TLD目标跟踪算法。在跟踪器中引入基于时空上下文的局部跟踪器失败预测方法和全局运动模型评估算法, 提高了跟踪器准确度和鲁棒性; 用BING算法取代滑动窗口搜索策略, 结合级联分类器实现目标检测, 减少了检测器的检测范围, 提高了检测的处理速度; 将训练样本权重整合到在线学习过程中, 改进级联分类器的分类准确度, 解决了目标漂移问题。对不同的图片序列实验结果表明: 本算法的跟踪正确率达85%, 帧率达19.79 frame/s。与原始TLD算法及其他主流跟踪算法相比较, 该算法在复杂环境下具有更高的鲁棒性、跟踪精度及处理速度。

以噻吩甲酰三氟丙酮(2－thenoyltrifluoroacetone，TTFA)，六氟乙酰丙酮(hexafluoroacetylacetone，HFA)和甲基联苯甲酰(dibenzoylmethide，DBM)分别为配体合成了Eu³⁺的三种β－二酮类配合物Eu(TTFA)₃、Eu(HFA)₃和Eu(DBM)₃，以及掺杂这三种配合物的聚合物(聚甲基丙烯酸甲酯，PMMA)，并用分光光度计对它们的荧光光谱特性进行了分析研究．结果表明，三种配合物中Eu(TTFA)₃荧光强度最强，并分析了其原因，发现能级匹配、配体取代基、配体结构对称性等均对配合物发光效率有重要的影响．通过比对，证明了TTFA是Eu³⁺发红色荧光的优良配体．进一步研究还发现，Eu(TTFA)₃掺杂PMMA中稀土离子的荧光强度和荧光寿命均随掺杂浓度(质量分数为0．08～0．5)的增加而增大．