快速识别和精准定位周围目标是自动驾驶车辆安全、自主行驶的前提和基础。针对基于体素的点云三维目标检测方法识别与定位不准的问题，提出一种基于改进SECOND算法的点云三维目标检测算法。首先，在二维卷积骨干网络中引入自适应的空间特征融合模块融合不同尺度的空间特征，提高模型的特征表达能力。其次，充分利用边界框参数之间的关联性，采用three-dimensional distance-intersection over union（3D DIoU）损失作为边界框的定位回归损失函数，使得回归任务更加高效。最后，同时考虑候选框的分类置信度和定位精度，通过一个新的候选框质量评价标准，获得更平滑的回归结果。在KITTI测试集的实验结果表明，所提算法的3D检测精度优于许多以往的算法，与基准算法SECOND相比，在简单难度下的car类和cyclist类分别提高2.86百分点和3.84百分点，中等难度下分别提高2.99百分点和3.89百分点，困难难度下分别提高7.06百分点和4.27个百分点。

字典学习是图像表示的一种有效手段且在图像识别任务中具有出色的表现。大部分传统字典学习算法在多分辨率人脸图像识别中存在不同分辨率下字典判别性不强的问题。为了解决这一问题,提出一种新的带判别性局部结构约束的多分辨率字典学习算法。首先,通过分析字典原子与轮廓向量之间的一一对应关系,采用字典原子的局部几何结构,分别构造了轮廓向量的类内局部约束项与类间局部约束项;然后将这两个约束项统一在同一个正则项中,并将其增加到字典学习目标函数中进行联合优化,从而实现判别性局部几何结构的编码。该算法促使类内编码系数保持相似的局部一致性,而且能有效提高类间编码系数的局部结构的差异性。最后,在多个多分辨率人脸图像数据集上验证了本文算法的有效性,实验结果表明,与同类字典学习算法相比,本文学习的多分辨率字典能保持训练样本中的判别性局部结构,在不同分辨率的人脸图像上获得了更好的识别性能。

视网膜血管分割在眼底图像分析中具有重要作用。结合多尺度Hessian矩阵滤波和线检测算子, 提出了一种有效的血管检测方法。首先利用多尺度Hessian矩阵的特征值构建血管相似性函数, 实现血管增强; 然后采用改进的线检测算子, 提取反映血管测度的特征;最后采用SVM实现血管检测。实验结果表明, 该方法只需要较少的训练样本即可达到与其他方法相当的准确率, 且在灵敏性上具有更好的性能。

提出了一种利用多尺度斑点检测的快速视盘定位方法。首先通过斑点检测确定12个视盘的候选区域, 然后综合利用候选点邻域内的外观和血管特性决策视盘真实位置。对五个公开的数据集1540幅图像进行了测试, 定位准确率达到97.9%。算法可以在缩小后的图像上进行检测, 因此检测效率高, 在五个数据集中平均检测时间约0.2s, 远快于目前绝大部分检测算法。实验表明, 对正常和轻度病变图像视盘检测效果很好, 但是对严重病变的图像以及部分低质量的图像中的视盘检测, 准确率仍有待提高。

可靠、有效的视盘分割对自动眼底病变诊断分析具有重要意义。提出了一种基于平滑滤波和CV模型的视盘分割算法。在利用投影法定位出视盘中心后, 首先采用Gabor滤波技术提取并移除视盘局部区域的主血管, 然后利用邻域信息通过插值运算填充被移除血管区域的像素, 采用边缘保留平滑滤波对视盘区域进行平滑, 最后利用基于区域信息的CV水平集模型分割出视盘的边界。该方法在MESSIDOR数据库上进行了测试, 平均分割准确率为0.83, 表现出了良好的分割性能。

可靠、有效的视盘定位对自动眼底病变分析具有重要意义。本文提出一种快速自动定位视盘方法, 首先基于梯度和亮度信息提取视盘的候选区域点; 然后利用血管在视盘区域分布非常集中并且沿垂直方向延伸,对候选点进行匹配滤波最终定位视盘点。本文方法在五个公开的眼底图像数据库1 540 幅图像上进行了测试, 其中1 514幅眼底图像定位成功, 准确率达到了98.3%, STARE 图像平均处理时间为6.3 s, 在所有正常和病变眼底图像测试中表现出良好的鲁棒性。

提出了一种结合全局配准和局部配准技术的眼底图像二级配准算法, 该算法采用4个相连的分叉点组成的局部血管结构来代替单独的分叉点作为配准特征, 通过减少配对点集, 提高了配准效率.同时针对非线性形变造成的局部配准偏移较大的问题, 在全局配准基础上进一步采用局部配准技术, 提升了配准的准确度.实验结果表明, 该算法以很高的配准效率和准确度有效实现了眼底图像的配准.