由于脊椎生理结构的精准坐标描述和准确匹配尚未达到医学精度的要求, 本文对如何精确描述脊柱腰骶段特征点的物理坐标进行研究。介绍了人体脊椎采样特征点的定义和传统标记方法。针对手动标注特征点精确度不够, 易产生较大误差等问题提出了一种基于曲率多特征融合的自适应标注特征点的方法。该方法首先找出某个特征点的高斯曲率和平均曲率流的定义值, 得到该特征点的法曲率相对极大值, 并计算在指定极小半径r范围内的所有模型点的法曲率相对极大值。由于极大值曲率越大, 三维模型表面在该点处的弯曲程度越大, 该点就越能表现三维模型的大致轮廓, 故以r范围内极大值最大的点作为特征点的曲率描述来替换手动拾取的点, 从而准确反映该点的特征变化情况。最后, 对改进结果进行偏差验证分析。结果表明: 改进方法的准确度比现有手动标注特征点方法的准确度提高了约37%, 验证了本文方法的有效性。

针对海天背景下红外舰船目标的分割提出了一种基于多特征融合的分割算法。该算法对红外图像进行水平边缘信息和竖直边缘信息的提取。首先，将不同尺度下的结果进行求平均值算，将结果图作为第一个特征。其次，针对不同大小舰船目标的问题，运用改进的对红外图像进行多级滤波，从而达到背景抑制、突出目标的效果，其结果可作为第二个特征。最后，求红外图像的局部灰度最大值后，将其特征图像作为第三个特征，然后对各个特征图进行归一化处理并进行融合。在融合过程中，对各个特征图该赋予的权重进行研究，选取恰当的融合系数得到融合后的图像，对其采用自适应阈值进行目标最终分割，之后做一个形态学整形，去除孤立面积和补充空洞，完善分割结果。仿真结果表明，与传统的分割方法相比，该算法分割效果明显，能够达到分割要求。

近年来, 自动掌纹识别方法的研究吸引了越来越多的关注, 已有的工作主要集中于二维掌纹识别。然而, 二维掌纹图像存在着易伪造、抗噪能力差的缺陷, 实际应用中会带来潜在的安全隐患。因此, 三维掌纹识别被视为一种可行的解决方案来进一步提高识别的性能。基于局部纹理特征, 本文提出一种有效的三维掌纹识别方法。该方法首先利用形状指数来描述三维掌纹的局部几何特征, 接着提取形状指数图像的局部三值模式以及 Gabor小波特征, 最后在匹配分数层次上对这两种互补的局部纹理特征进行融合, 随后的实验证明了融合特征较单独特征要好。在香港理工三维掌纹数据库上的实验结果表明, 本文方法在识别率上要优于目前流行的其它三维掌纹识别方法, 从而验证了本文方法的有效性。

在小波分解基础上将纹理特征、颜色特征及纹理与颜色的空间相关特征进行融合,提出了一种新颖的彩色纹理特征提取方法,同时结合20类真实彩色自然纹理,针对塔式小波分解(PWD),不完全树型小波分解(ICTSWD)和小波包分解(WPD)进行了多特征融合和分类比较,实验结果表明