针对变电站电气设备红外监测过程中，获取的红外图像背景复杂而导致故障设备定位不准确、分割难度较大等问题，提出了一种在复杂背景下对故障设备进行定位与整体分割的方法。首先，通过 SLIC（Simple Linear Iterative Clustering）超像素算法对图像进行分割，并对超像素块进行 Lab颜色空间转换，根据阈值判断是否存在故障并获取故障区域。然后，选取故障图像中最大联通量的较亮点作为种子，利用最大类间方差原理控制种子数目，通过改进区域生长法获取目标主体设备。最后，将故障区域与目标主体设备进行交集运算，完成对故障电气设备的整体分割。研究结果表明，该方法能有效完成复杂背景下的故障电气设备定位与整体分割。与其他分割方法相比，该方法获取的故障电气设备更加完整准确。

针对目标遮挡、形变、旋转、光照变化及背景干扰等复杂场景下的目标跟踪问题,基于核相关滤波跟踪算法和统计颜色特征的跟踪算法,提出了一种复杂场景下的高置信度更新策略互补跟踪算法。首先,利用高斯拉普拉斯算子和局部二值模式增强目标边缘信息和纹理特征;然后,引入可调高斯窗口函数和基于关键点的尺度估计模型优化算法;最后,利用响应峰值与跟踪框的交并率设计了一种高置信度更新策略,以自适应更新模板。实验结果表明,在OTB2013数据集上本算法的精确度和成功率分别为88.3%和72.4%。

针对传统人工目测法以及光阻检测法在葡萄糖注射液中不溶性微粒识别判断效率较低现象, 提出了一种背景差预处理与改进的Mean Shift算法相结合的微粒识别算法。利用高分辨率数码相机采集在一定照度下葡萄糖注射液中不溶性微粒产生散射光的序列数字图像。对序列数字图像进行预处理及并标定数字图像有效检测区域。建立序列数字图像背景模型并对背景噪声与随机噪声进行抑制处理。采用改进的Mean Shift算法对葡萄糖注射液中不溶性微粒进行目标跟踪。通过对序列数字图像中被检测对象的分割与特征提取, 实现了葡萄糖注射液中粒径在25μm以上不溶性微粒的识别。