充分利用烧结机尾断面的火焰图像所蕴含的有效信息，利用随机森林算法对烧结状态进行短期预测，该算法在工程上具有可行性。为改善随机森林中重要性较低的属性对分类结果的影响，提出了一种基于概率决策的随机森林改进算法，实现对烧结机尾断面火焰状态的短期预测。首先，对300张烧结断面火焰图像进行统一预处理，将获得的10个图像几何特征作为输入量；其次，对提取到的10个图像几何特征进行K均值聚类和模糊C均值聚类，根据聚类结果的准确率赋予叶子节点处各个类别出现的概率；最后，实验验证了优化的随机森林算法能提高对烧结状态分类的准确性。

烧结机尾断面火焰图像能够最直接有效地反映烧结终点的状态。充分利用火焰断面图像所蕴含的有效信息对烧结终点状态进行分类具有可行性及工程实际意义。提出一种K均值结合图像颜色特征的分类算法，实现对烧结机尾断面火焰烧结状态的分类。首先，对90张火焰图像进行预处理，在烧结机采集的320 m²断面图像上按分辨率3024×1700像素对红火区域进行统一裁剪，提取烧结核心区域。对裁剪图像进行K均值分割，并对K分别为2，3，4的分割图像进行比较，结果表明K为3时的分割结果可以较准确地将火焰的红火区分割出来。其次，由于分割后的图像仍存在其他非红火区域，为了准确地提取红火区的几何特征，进一步对红火区进行颜色特征提取，得到最终的红火目标区域分割图像。最后，将提取的目标图像几何特征作为数据集，采用fuzzy C-means（FCM）算法对烧结终点状态进行分类。与传统FCM算法的分类结果对比表明，所提火焰图像分类算法改善了分类效果。

颅骨配准是颅面复原过程中的重要步骤之一,颅骨配准的精度直接影响着颅面复原结果的好坏。为了提高颅骨点云模型的配准精度和收敛速度,提出一种基于分层优化策略的颅骨点云配准算法,将配准过程分为粗配准和细配准两个过程,分别采用不同的优化策略进行优化。首先基于点的邻域提取几何特征,从而得到由平均曲率、高斯曲率、法向量夹角和主曲率构成的特征向量;进一步通过距离函数计算特征相似性来建立匹配点对,并采用k-means算法剔除误匹配点对;然后使用四元数法计算颅骨点云间的刚体变换关系,实现颅骨粗配准;最后通过引入k-维(k-d)树和加入几何特征约束对迭代最近点(ICP)算法进行改进,使用改进的ICP算法实现颅骨的精确配准。实验结果表明:粗配准过程采用k-means算法剔除误匹配点对的优化策略和细配准过程加入k-d树与几何特征约束的优化策略都是有效的。与ICP算法相比,本文算法的匹配率和配准精度分别提高了约17%和51%,算法耗时减少了约31%。与其他经典配准算法和改进的ICP算法相比,本文算法的配准效率是最优的。为了验证本文算法的普适性,还采用兵马俑碎片数据进行验证,本文算法也取得了较好的效果和最优的性能。因此,本文算法是一种有效的颅骨点云配准方法。

颅骨配准是颅面复原的重要步骤之一, 其配准精度和效率对复原结果有着重要的影响。为了提高颅骨点云模型的配准精度和效率, 本文提出了一种层次优化的颅骨点云配准方法。将颅骨配准分为粗配准和细配准两个过程。首先对颅骨点云模型进行去噪、简化和归一化等预处理; 然后对颅骨点云模型提取特征点并计算其特征序列, 根据特征序列进行约束寻找初始对应点对, 并采用k-means算法剔除误匹配点, 实现颅骨粗配准; 最后通过加入几何特征约束的改进迭代最近点(ICP)算法实现颅骨细配准, 从而达到颅骨精确配准的目的。本文分别对粗配准、细配准和先粗再细完整配准过程进行实验, 结果表明: 粗配准过程, 与未优化的粗配准算法相比, 本文优化后的粗配准算法的配准精度提高了约35%, 算法耗时增加了约6%; 细配准过程, 与ICP算法相比, 本文改进ICP算法的配准精度和收敛速度分别提高了约20%和43%, 算法耗时减少了约47%; 先粗再细的完整配准过程, 本文算法的配准精度和收敛速度都要优于其他两种方法。证明了本文方法是一种有效的颅骨点云配准算法, 可以实现颅骨点云的精确配准。

为了解决集成成像系统中立体元图像阵列存储和传输的问题, 本文提出了一种结合成像几何特征的立体元图像阵列编解码算法。首先, 根据立体元图像阵列采集过程中的相关物理参数确定不同立体元图像中同名像点的偏移量, 对立体元图像阵列中每行相邻立体元图像进行分组并确定编码顺序。然后, 确定待编码立体元图像的预测图并计算待编码立体元图像与其预测图的残差。最后, 对残差进行HEVC编码。实验结果表明, 与传统的HEVC帧内预测编码算法, 以及与将立体元图像阵列中的所有立体元图像组成一个视频序列进行HEVC编码的算法相比, 在相同比特率的情况下, 本算法解码图像的质量提高了10～25 dB, 说明本文提出的算法具有更高效的编码性能。

提出了一种基于机器视觉的陶瓷碗表面缺陷检测方法，该方法主要通过Kirsch算子和Canny算子的结合来实现表面缺陷的边缘检测。采用传统Kirsch算子的8个方向模板分别对图像上的每一个像素点进行卷积求导，选取最大模板，确定其边缘方向，结合Canny算子信噪比高、检测准确度高、边缘细节保留好等特点完成表面缺陷的检测，通过缺陷的几何特征判断是否存在缺陷。实验结果表明，该算法很好地抑制了噪声干扰，提高了边缘定位准确性及检测准确度，在保留边缘信息的同时避免了伪边缘的出现。

为了解决无人机软管式加油信标点检测与匹配难的问题,设计了一种近红外信标检测系统,并提出一种鲁棒信标点匹配算法.该系统设计将8个850 nm波段近红外LED灯均匀布置在加油锥套外环,将850 nm带通滤镜和罗技C310摄像头结合,构成近红外信标检测系统;针对干扰点带来的误匹配问题,设计一种基于几何特征约束的信标点匹配算法,该算法可完成远干扰点排除、特征点排序、近干扰点排除和特征点标记.通过各种复杂环境的实验进行算法性能验证,结果表明:信标检测系统检测精度高、可靠性好;信标点匹配算法可以在复杂环境下鲁棒地实现信标点准确匹配.相对位置解算实验结果表明其解算精度较高.

提出了应用弦切变换(CTT)来提取目标几何形状特征的方法，并基于对提取形状特征的匹配实现了对二维目标的检测。介绍了弦切变换的理论依据和算法的实现过程，同时进行了误差及可靠性分析。分析和实验表明，由于CTT可基于边缘点信息提取出更有意义的几何形状特征，这种几何特征不但具有平移、旋转和缩放的不变性，同时还可以输出目标相对于模板的旋转角度、缩放尺度等运动参数信息，因此，该方法在一定程度上克服了传统方法中灰度特征易受复杂环境和光照变化等影响的缺点，同时该特征对于目标边缘的部分失真或缺损也具有一定的鲁棒性。最后，对多组复杂环境下的图像序列进行了仿真实验，实验结果显示，检测的平均成功率达90%以上，而且在目标缺失或变形达到40%时，仍能得到比较准确的检测结果，这些结论验证了该方法的有效性。

本文对弦变换、弦空间特征的描述进行了详细研究，通过实验实现了几何形状特征提取的具体实现方法，并验证了特征的鲁棒性。此特征不但具有二维的平移、旋转和尺度不变性，同时对由仿射变换引起的形变也具有一定容忍度。另外，利用特定几何形状的弦空间特征对边缘图像做近似滤波的反弦变换后，可以保留与特定形状相似或相同的目标边缘，而忽略其它不感兴趣的边缘。最后实验结果表明，用此特征进行几何形状的相似性匹配是有效的，并且这种方法简单易懂，容易实现，可以用于目标识别、跟踪等许多方面。

为满足复杂靶标背景下激光光斑形心的高精度定位要求, 提出了一种基于几何特征约束残差修剪的定位方法。首先通过分析成像特点提取激光光斑; 然后在几何特征约束下对残差边缘进行二次修剪, 优化边缘; 最后利用最小二乘拟合法得到激光光斑形心的精确定位, 并将其应用于火炮的重要静态参数——弯曲度测量。实验结果表明, 该方法具有较强的稳定性, 定位精度高且实时性好, 与传统的定位方法相比, 复杂靶标上激光光斑的水平和竖直定位偏差均由±1.2 pixel提高到±0.2 pixel, 单次定位时间小于0.31 s, 可实现复杂靶标背景下激光光斑形心的快速精确定位。