为了提高雾天图像的去雾效果，针对暗通道先验法则中存在的不足，提出一种单幅图像快速去雾方法.该方法以暗通道先验法则为基础，采用四叉树搜索算法对大气光值进行估计，并通过白平衡对大气散射模型进行简化.然后，利用暗通道先验知识得到介质传输率粗略估计，并通过引导滤波和双阈值判断方法对介质传输率中边缘和天空区域进行优化.最后，通过简化大气散射模型和色调调整得到去雾图像.与几种典型的图像去雾方法相比，该方法运算速度较快，能有效提高去雾图像的清新度，并获得较好的图像颜色.

为了降低新一代高效视频编码 (High Efficiency Video Coding, HEVC) 标准的编码复杂度，提出了一种基于四叉树结构类型分析和早期编码单元(Coding Unit, CU)裁剪的HEVC快速编码新算法。首先，通过分析已编码的最大编码单元(Largest CU, LCU)四叉树结构类型，确定其深度遍历区间(Depth Range, DR)类型。然后，利用相邻已编码的LCU以及前向参考帧和后向参考帧中坐标位置相同的LCU的DR类型来预测当前LCU的DR类型，并根据预测得到的DR类型对当前LCU设定CU深度遍历区间。最后，采用贝叶斯决策原理获取阈值，并利用该阈值在CU分割过程进行早期CU裁剪。实验结果表明：相对于原始HEVC编码结构，本文算法在随机访问模式下编码时间平均减少41.55%，BDBR（Bjontegaard Delta Bit Rate）只增加约1.94%，BDPSNR（Bjontegaard Delta Peak Signaltonoise Rate）只降低了0.06 dB；与Shen方案相比，该算法可以降低12%左右的计算复杂度，BDBR只增加约1.09%，BDPSNR只降低了0.03 dB。

针对高分辨率遥感图像边缘突出、 上下文信息丰富等特点， 提出一种融合边缘特征的区域分割算法， 基于面向对象图像分析方法， 综合考虑遥感图像的光谱和空间特征。 首先应用SUSAN算子对全色波段图像提取边缘信息， 然后对融合后的彩色图像进行两阶段分割， 第一阶段采用倒四叉树融合成初始图像对象， 在第二阶段中通过在区域异质性判据中增加边界强度特征的方式融合已提取的边缘信息进行分级区域合并， 形成图像分割结果。 文中用三峡库区某区域QuickBird数据进行了实验， 并与ENVI Zoom和Definiens下的分割结果进行了效果对比和定量评价， 结果表明该方法可行、 有效

提出了一种基于四叉树和偏微分方程的灰度图像压缩方法。该方法只需传输和处理部分稀疏像素而不是整幅灰度图像。在编码端，首先采用四叉树分割图像，然后对部分像素进行编码传输。在解码端，采用基于偏微分方程的图像插值算法再生图像，有效地消除了解码图像中的方块效应。实验表明，该方法可以获得较高的压缩比和峰值信噪比，尤其是对尺寸较大且纹理细节较少的图像更是如此，并能较好地保持原始图像中灰度变化较大的细节，可以方便地去除方块效应，具有较高的实用价值。

基于四叉树结构的图像分割方法是区域增长技术和人工智能技术的结合，它的分割速度比区域增长方法快得多，在分割结束时，算法同时得到图像目标大小、目标灰度、目标个数、目标边缘等结果。对多目标图像分割有更好的适应性。文章最后用激光烧孔图像、细胞图像和海上舰船图像进行了实验，说明算法有很好的适应性。