提出一种基于人脸画像的伪照片合成及修正方法，该方法包括人脸伪照片的合成、增强以及局部修正3个部分。首先，应用局部本征变换（LET)方法合成人脸伪照片的初始估计。然后，提取人脸画像的边缘和纹理信息对人脸伪照片进行增强以改善合成结果的视觉效果。最后，通过移动最小二乘法对伪照片局部合成错误进行修正。在CUHK student人脸画像库上进行了实验，对转换结果与真实人脸照片进行了比较。结果表明：提出的方法可以有效地合成人脸伪照片，对人脸伪照片能够进行有效增强和修正，且在修正局部合成错误的同时能够保证整体相似度不会下降。由于本文的方法只涉及到局部区域的变形，所以不需要依靠神经网络来预测输出结果中控制点的目标位置，从而降低了计算的复杂度。

针对现有基于稀疏编码的单幅图像超分辨率重建算法易导致重建图像中出现不正确几何结构的现象, 提出一种字典非相关性约束和稀疏系数非局部自相似性约束结合的稀疏编码方法。为解决引入这种自相似性约束造成的重建图像边缘过度平滑、模糊的问题, 提出了基于平滑层和纹理层的双层重建框架。该方法运用一种全局非零梯度数目约束重建模型重建平滑层; 通过提出的稀疏编码方法重建高分辨率纹理图像。最后, 利用一个全局和局部优化模型进一步提升重建图像的质量。实验结果表明, 与一些具有代表性的重建方法相比, 该方法得到的峰值信噪比(PSNR)和结构相似度(SSIM)平均值分别提高了0.798 7~3.242 4 dB和0.018 6~0.083 5, 不仅主观视觉效果上取得了明显的改进, 鲁棒性得到增强, 而且重建出了更加准确的结构和边缘, 取得了更好的重建效果。

提出了一种高阶混合正则化图像盲复原方法, 用于实现模糊噪声图像的清晰化盲复原。根据自然图像边缘的稀疏特性, 对图像的边缘细节成分进行了全变差(total variation TV)正则化约束, 根据自然图像同性质平滑区域内像素值的变化规律, 将一种高阶的类Tikhonov正则化约束运用于图像的平滑区域中, 提出了一种新的高阶混合正则化模型。最后, 提出一种多变量分裂布雷格曼(Multi-variable Split Bregman MSB)最优化迭代策略对提出的模型进行最优化求解。实验结果表明, 提出的方法能够很好地保护图像的边缘细节, 同时有效地消除图像平滑区域内的阶梯和假边缘瑕疵。与近几年的一些较好的图像盲复原方法相比, 本文方法的信噪比增量(increase of the signal to noise ratio ISNR)增加了0.03~2.5 dB。

为实现图像间的快速准确配准，在局部敏感散列(LSH)算法基础上，提出一种高效的高维特征向量检索算法—改进的LSH(ELSH)算法用以图像特征间的检索配对，从而实现图像间的配准。该配准算法首先采用尺度不变特征变换(SIFT)算法提取图像的特征点并进行描述，得到图像的高维特征向量。然后，根据随机选择的若干子向量构建哈希索引结构，以缩减构建索引数据的维数和搜索的范围，从而缩短建立索引的时间。最后，根据数据随机取样一致性(RANSAC)剔除错误点。实验结果表明，与BBF (Best- Bin- First)和LSH算法相比，ELSH算法不但提高了匹配点对的准确性同时也缩短了匹配时间，其特征匹配时间分别减少了49.9%和37.9%。实验表明该算法可以快速、精确地实现图像间的配准。

为使现有热释电红外(PIR)探测器具有识别检测区域内红外辐射源的功能，提出一种基于典型相关分析(CCA)特征融合的人体和非人体PIR信号识别方法。该方法首先提取PIR信号的频谱和小波包熵特征，然后对频谱进行子模式划分，并分别与小波包熵特征进行CCA融合，把融合后的结果作为判别信息，从而实现了特征融合且消除了特征之间的信息冗余。最后通过多数投票方式融合判别结果。作为子模式CCA特征融合的一种特殊情况，文中分析了特征与自身子模式特征CCA融合的分类性能。实验结果表明，当频谱分为5个子模式时，能有效地对人体和非人体红外辐射源进行识别，识别率可达95.2%，比直接采用频谱与小波包熵CCA融合的识别率提高了2.7%。而采用小波包熵与自身子模式特征CCA融合的识别率最高为90.7%，比单独采用小波包熵的识别率提高了2.3%。

研究了保局投影中近邻图的构造及更新问题，提出了一种有监督图优化保局投影(SGoLPP)特征提取方法，并应用于人脸识别。不同于传统的保局投影(LPP)算法预先设定权值矩阵并通过一次优化求解投影矩阵，SGoLPP将权值矩阵作为学习项引入到目标函数，通过交替迭代更新逐步获得最优权值矩阵和最优投影矩阵。同时，通过引入类别信息，始终对同类样本点对的权值进行更新，有效地抑制了异类样本的干扰。在UCI模拟数据集上，SGoLPP在较少的迭代次数下获得了更好的聚类和分类效果。在Yale，UMIST和CMU PIE人脸库上，SGoLPP的平均识别率比LPP、有监督保局投影(SLPP)和图优化保局投影(GoLPP)分别高出26.6%、4.8%和8.8%。实验显示本文提出的SGoLPP算法在样本可分性与鲁棒性方面具有优势，可有效地提取人脸特征。

为了改善降质图像质量,提出一种基于双密度双树复小波变换的局域自适应图像去噪算法。分析了双密度双树复小波变换的原理及特点,推导了双变量收缩函数(BSF)。通过并行使用4个2D双密度离散小波变换,且行和列采用不同的滤波器组,实现了对噪声图像的双密度双树复小波分解。根据小波系数的统计特性以及层内和层间系数的相关性,采用结合局域方差估计的双变量收缩函数对小波系数进行处理,并用收缩后的小波系数重构去噪图像。最后,将该算法用于灰度图像和彩色图像去噪实验。实验结果表明:与噪声图像相比,在噪声方差为30时,经该算法去噪后的图像获得的最高峰值信噪比增益达11.72 dB,平均结构相似度最高增加了2.7倍,复合峰值信噪比增益达11.68 dB。此外,对不同噪声方差下的不同噪声图像,该算法在滤除噪声的同时可保留更多的图像细节,极大地改善了去噪图像的视觉质量。

针对红外图像中人体区域的检测问题，提出了一种基于复合分类特征的人体实时检测方法。首先根据红外图像中人体区域的特点，使用自适应的两级方向投影获得人体候选区域的可能位置，然后融合方向梯度直方图特征、人体形状特征及亮度分布惯性特征以充分描述人体区域的特点，并且采用支持向量机算法对候选目标中存在的人体进行分类检测。实验结果表明，本文提出的方法充分利用了复合分类特征各自的优点，具有较好的实时性和鲁棒性。

针对单一保局投影(LPP)算法分类识别能力弱的问题,提出了一种随机采样子空间保局投影算法(RSSLPP)。该算法在对训练样本的主元子空间进行随机采样的基础上,利用保局投影得到了多个既有差异且又互补的保局投影子空间,测试样本被分别投影到这些保局投影子空间上,然后利用最近邻分类器进行分类识别。最后,根据多数投票原则融合多个子空间上的分类结果来确定样本所属类别。在FERET人脸图像子库上的实验表明:随机采样子空间保局投影算法的性能明显优于Eigenface、Fisherface、保局投影和鉴别保局投影等算法;和保局投影算法相比,本文所提出的方法人脸识别精度提高了10%以上。结果表明,随机采样子空间保局投影算法有效地融合了各LPP投影空间的互补信息,可以显著地提高人脸识别精度。

为提高不同光照条件下的人脸识别精度,提出了一种利用多级小波分解和样条插值进行光照补偿的方法。一般认为,光照变化会给图像中混入两种噪声:背景噪声和增益噪声。背景噪声是加性噪声,可以通过直接对图像进行多级小波分解和样条插值来估计并去除;增益噪声是乘性噪声,可以对去除了背景噪声的图像进行对数变换后,再利用多级小波分解和样条插值来估计并去除。在Yale B人脸数据库上的实验结果表明:本方法的识别率比其它方法高2%～11%,可以有效地对不同光照条件下的人脸图像进行调整,提高不同光照条件下人脸识别的精度和稳定性。