针对现有光场深度重建算法只能获取单一视角深度信息,三维建模应用受限的问题,提出一种大视野图像拼接算法。该算法基于三维光场重建的深度图像序列,采用双边滤波及插值算法对图像进行去除噪声,利用基于边缘曲率极值的角点检测算法,并通过最小曲率偏差的列间度量匹配实现了图像之间的精确配准,采用改进的加权平均方法对重叠区域进行融合操作,既保留图像细节又拓展图像视野。实验结果表明,该算法能够有效实现光场深度图像序列的平滑拼接,有利于形成大视野深度数据,为大场景的三维重建奠定了基础。

随着信息物联网的发展,快速响应(QR)码的应用越来越多样化。传统单个QR码的识别和应用已不能满足现有需求,因此提出一种多目标QR码的校正方法。对图像进行二值化,利用QR码自身符号特征进行定位,结合连通区域标记算法对图中的多个QR码进行分割。接着利用轮廓跟踪获得QR码探测图形边界,并利用几何关系获得探测图形上的3个顶点。根据探测点和3个顶点的关系,获得第4个顶点,最后用逆投影变换依次对每个QR码进行校正处理。使用C++语言实现算法,并用Zbar对校正后的QR码进行识别测试。实验结果表明,所提算法能够实现对多目标QR码的快速校正,识别率高,且能克服不同光照、背景干扰影响,具有较好的稳健性。

针对非结构化道路图像，本文提出了一种基于消失点信息的道路检测及智能预警算法。算法首先利用直线信息、竖直包络线分割、分组策略及聚类算法估计道路图像的消失点；然后基于消失点信息利用边界多特征软投票的方法提取道路区域；最后，根据非结构化道路区域的特点提取导航线，并根据汽车偏航角、偏航距离及偏航时间制定预警决策方案，从而对车道偏离智能预警。实验结果表明，本文提出的算法能快速有效的提取非结构化道路的道路区域，同时，根据预警参数可以有效的进行车道偏离预警。

为了提高智能车辆道路识别的准确性和效率，设计了一种基于平行边缘特征的道路检测算法。提出了基于边缘连接的道路区域快速粗分割方法；对边缘点局部直线的检测和方向进行编码，利用竖直线实现了极大可能道路区域的估计；基于方向一致性判别准则，实现了极大可能道路区域内平行边缘的识别算法；提出了三个道路识别准则，综合运用平行边缘、道路的区域位置信息，实现了道路特征的准确识别。实验结果表明，本文算法能够快速并准确的提取典型的直线和弯曲道路模型中的道路区域，比以往算法在速度和准确性上都有较大的提升。

从单幅图像中识别道路消失点，是无人驾驶、智能导航等领域的关键技术之一。针对城市典型道路和街道图像，提出了一种新的基于垂线包络和平行线对的城市道路图像消失点检测算法。提取单幅图像中的所有平行线对，利用图像中存在的竖直线，提出了竖直区域的包络线估计方法，并实现了对道路区域的分割，有效提取了道路区域内的平行线对。使用方向分组策略将道路区域平行线分成两类，并对近似对称的直线对求交点。利用C-means聚类和统计相结合的方法估计了城市道路场景中的消失点。实验结果表明，该算法能够准确有效地估计城市道路场景中的消失点。

准确估计道路场景图像中的深度信息，是智能交通和机器人导航中对障碍物估计和定位的关键。基于区域特征理解的单幅静态城市道路图像深度估计算法，可以通过边缘生长图像分割算法得到一系列封闭的图像区域；然后统计每个分割区域自身的多元特征,包括区域的颜色、面积、位置，所包含的直线、垂线和平行线；基于这些特征，进一步估计道路消失点，并实现天空、垂直面和道路区域的分割和三维空间推理，最后根据典型道路的深度变化规律实现对道路图像的深度估计。实验结果表明，该算法能够有效地估计道路消失点以及道路区域内部的渐变深度信息。

针对高分辨率遥感图像中道路、建筑物和水域等的特征识别难题，提出了一种基于边缘局部方向信息的平行边缘自动识别算法。该算法首先定义平行边缘由一系列相互平行的短直线组成；然后提出了交叉点共线约束的8-邻域边界追踪和9-像素滑动窗口内直线检测算法，实现了边缘连续线条局部方向信息编码；最后通过分析连续线条结构及方向编码规律，提出了主元分析及方向一致性判别准则进行平行特征识别。实验结果表明，该算法能够有效提取高分辨率遥感图像中具有最近邻关系的平行直线和曲线特征，平均识别准确率在95%以上，但算法执行速度有待提高。

从建筑物图像中提取直线是视觉导航、特征识别和遥感影像处理等很多应用中的关键步骤。针对复杂建筑物图像，提出了一种基于边缘方向图的直线特征提取算法。该算法在Canny边缘的基础上，提出边缘方向编码策略，能过检测9×9局部窗口内的直线，将边缘拆分成直线、曲线和点的组合，生成了一种新的直线检测辅助图像——边缘方向图，并通过分析边缘方向图中连续线边缘的方向分布，结合直线误差判别准则和稀疏直线拟合识别直线。实验结果表明：该算法的直线检测性能优于Hough变换和相位编组等经典方法，对建筑物图像的直线检测准确率高，误判率、漏检率低，算法稳健性强。