行人再识别中的难点在于在不同摄像机中同一行人的图像差异较大, 单一特征难以稳定地描述图像, 而采用多种特征融合时无法准确分配权重。针对这一缺陷, 本文提出了多核支持向量机多示例学习的行人再识别算法。首先提取行人在 A、B摄像机下二张图片的分块 HSV颜色特征和分块 SIFT局部特征并构建词袋, 将二者作为示例样本封装成包; 其次对多核支持向量机模型进行了优化, 采用高斯核和多项式核线性融合对包进行训练, 并用多示例学习获得最优权重; 最后本文算法在 VIPeR标准数据集上进行了测试, 识别准确率通过计算十次实验的平均准确度来获得, 并用 CMC曲线进行表示, 同时也对样本的匹配结果进行排序。实验结果表明本文算法与多个优秀的算法相比, 鲁棒性和识别准确度都获得了提高。

针对智能车自主视觉导航需要快速准确地获取自身位置的要求，提出了一种鲁棒、高效、精确的立体视觉定位方法.计算中采用直接P3P位姿估计方法和RANSAC算法进行匹配内点检测和初始运动参量估计，极大地提高了计算准确度.利用基于一般相机模型序列正交迭代算法的立体视觉定位运动参量非线性优化法对立体相机的最近N帧运动参量和结构参量进行快速在线优化，与集束调整法相比，该方法的优化速度有较大提高，且能保证全局收敛，鲁棒性高.室外真实实验结果表明：本文方法计算速度快，定位准确度高，鲁棒性强，能满足导航定位的高性能要求.

运动估计算法是影响立体视觉定位精度的重要因素，传统的 3D-3D运动估计算法受噪声影响很大，计算精度不高。本文提出了一种基于 2D-3D双目运动估计的立体视觉定位算法。算法不使用运动后的特征点 3D坐标，而直接利用其 2D图像投影坐标。首先，利用 EPnP运动估计算法确定匹配内点和初始运动参数。接着，利用双目相机之间的 2D投影几何约束，提出了基于 Levenberg-Marquardt算法的 2×2D-3D运动参数优化算法，利用确定的匹配内点和初始运动参数，使特征点在立体相机左右图像上的再投影误差最小，从而达到最优的立体相机 2D-3D运动估计。仿真实验和户外真实实验表明: 本文算法获得了很高的计算精度、鲁棒性，大大优于传统的基于 3D-3D运动估计的立体视觉定位算法。

提出了一种新的基于广义正交迭代算法的立体视觉定位.该算法通过提取CenSurE局部特征和相应的U-SURF描述符，采用SAD方法进行子像素立体匹配，并利用U-SURF描述符匹配进行前后帧图像特征跟踪.在RANSAC框架下对匹配点进行3D-3D运动估计获得了运动参量的初始值.由于3D-3D运动估计使3D点集间欧式距离误差最小，而3D特征点坐标受噪音影响很大，因此运动估计误差也较大.本文把广义正交迭代算法应用到立体视觉定位方法中，得到使立体相机目标空间共线性误差最小的运动估计参量，由于共线性误差比3D-3D运动估计算法中的共点误差受噪音影响更小，从而大大较少了运动估计误差.仿真实验和户外真实实验表明: 本文算法获得了较高的计算准确度、鲁棒性和实时性，优于传统方法.

摄像机间目标关联是无重叠视域多摄像机目标持续跟踪的关键.提出了一种只利用人体目标外观，完全不依赖于空时关系的人体目标再识别算法，利用识别结果直接进行跨摄像机间人体目标关联，而不依赖于目标的捕获时间和路径限制.对跟踪视频前景图像序列提取互补性视觉单词树直方图和全局颜色直方图二种特征，采用支持向量机增量学习在线训练二种特征的人体外观辨别模型，再利用多类线性规划增强算法对二种特征的支持向量机模型进行在线自适应融合.实验结果表明，本文算法具有较强的在线学习能力，能增量式表达人体目标辨别性外观模型，特征融合后的模型区别性更强，有效地降低多方面条件变化的影响，获得了高识别率，且能够实现快速实时实现，相对于现有方法有了明显提升.

针对景象匹配辅助惯性组合导航系统需要快速准确获取飞行器位置和航向偏差的要求，提出了一种基于区域协方差的实时图像匹配算法.算法采用区域协方差矩阵的距离作为图像匹配时的相似性度量.首先，对图像进行高斯平滑滤波，提取图像的多种特征计算区域协方差矩阵，利用金字塔多级匹配技术进行全局搜索，获得测试图在参考图中像素级匹配位置.然后，利用全局匹配的结果，在实测图上选取多个局部区域，分别进行局部搜索匹配，获取参考图和实测图中一一对应的局部匹配集.最后，利用RANSAC算法和最小二乘算法计算出两幅图像间的最优相似变换参量.仿真分析表明，该算法能满足景象匹配辅助惯性组合导航系统实时性、精确性和鲁棒性的要求.

为了解决工业视觉场景中点和直线段共存情况下的多摄像机位姿估计问题，提出了基于点线特征对应的多摄像机全局位姿估计算法.以正交迭代算法为基础，使用多个固定在平台上的已标定摄像机间的几何约束，以全局方式处理多摄像机的重叠和非重叠视图的点和直线段特征，获得更加稳定精确的位姿估计.该算法先把所有摄像机数据进行统一表达，再把摄像机观测到的全部点特征的目标空间共线性误差和直线段特征的目标空间共面性误差之和作为误差函数，最后经数学推导得到使该误差函数最小化的迭代求解过程.实验结果验证了该算法的有效性以及优越性.

目前, 多摄像机系统的位姿估计还缺乏系统的方法, 它通常通过求解透视n点问题或者求解使两组3D点集之间平方和误差最小的刚体变换来解决, 这些方法都有局限性。正交迭代算法是基于点特征的单目视觉算法, 快速且全局收敛, 是目前性能最优的实时位姿估计算法之一, 被广泛应用。提出了一种广义正交迭代算法把所有摄像机获取的全部图像作为整体计算得到相对位姿参数, 是通用的多目视觉位姿估计算法。算法先把所有摄像机数据进行统一表达, 再把所有摄像机观测到的全部特征点的目标空间共线性误差平方和作为误差函数, 最后经数学推导得到使该误差函数最小化的迭代求解过程。实验结果验证了算法的有效性以及在多摄像机系统位姿估计中的优越性。

为了解决掌纹特征提取过程中,手掌的非平面问题导致的伪主线噪音信息并简化运算,对重构的掌纹图像进行了局部离散余弦变换.解决了重构后图像噪音敏感性问题,有效地区分了掌纹主线、掌纹褶纹和乳突纹.由二维主元分析算法获得较稳健的识别特征.通过香港理工大学公布的PolyU掌纹数据库的实验,同二维主元分析算法相比,小波重构与局部离散余弦变换的2DPCA掌纹识别算法正确识别率较高,识别效率较高.

正交迭代算法是基于点特征,全局且快速收敛的位姿估计算法,是目前性能最优的实时位姿估计算法之一。对摄像机观测到的直线段提出了其不确定性描述的新方法：目标空间直线段误差,并把该误差融入到正交迭代算法的位姿计算过程中,形成扩展正交迭代算法。该算法可以同时利用点和直线段特征。算法先把点共面性方程表达为与正交迭代算法中点共线性方程一致的数学形式,再根据目标空间点共面性误差定义了目标空间直线段共面性误差。接着把目标空间点共线性误差和直线段共面性误差二者之和作为误差函数。最后推导出使该函数最小化的迭代求解过程。实验结果表明,本文算法是有效的,精确的。与正交迭代算法的计算结果对比,由于可以同时利用直线段特征,扩展正交迭代算法的位姿估计误差更低,抗噪声性能更强,算法更稳定。