针对Intensity ScanContext（ISC）等激光雷达闭环检测算法中描述子易受载体旋转和平移变化干扰、不变性较弱从而导致闭环效果差的问题，提出了一种在城市动态环境下具有旋转和平移不变性的激光雷达点云描述子。首先，在点云处理部分，基于角度图像的地面点分割算法去除点云数据中的地面点，并利用基于弯曲体素聚类的动态目标剔除算法完成点云分割和动态目标的剔除。然后，基于惯性测量元件采集的四元数对点云进行坐标系变换，将所有帧点云统一至同一航向角下，以实现描述子的旋转不变性。接着，通过点云中静态目标与载体运动方向所在法平面的相对位置关系来确定描述子绘制中心，以实现描述子的平移不变性。最后，利用所提描述子进行闭环检测，并结合点云数据的空间结构对闭环检测结果进行一致性验证。在KITTI公开数据集下的实验结果表明，所提方法在城市动态环境下能够更加快速准确地实现闭环检测，相比于ISC算法，所提方法在准确率为100%时召回率提高了8.58个百分点，且平均耗时减少了12.90%。

对机动变换的装甲目标进行快速精确检测是低空无人机的一项重要性能要求, 但目前主流检测方法自身的旋转不变性不能有效应对这一挑战。结合深度卷积神经网络（CNN）提出基于旋转不变Faster R-CNN的低空装甲目标检测方法, 该方法在Faster R-CNN框架的基础上引入旋转不变层, 通过在模型的目标函数上增加正则化约束条件来加强目标CNN特征旋转前后的不变性。实验选取三种典型的装甲目标缩比模型, 在室内外模拟不同场景条件下的低空侦察环境, 利用偏振高光谱相机获取目标的侦察模拟图像作为样本数据用于模型验证。在多模型对比实验中, 改进模型的平均检测准确率提升了2.4%, 取得了最好的检测效果, 初步验证了改进方法的有效性。

基于编码的特征表达方法在光照不变性、运算效率、特征表述能力等方面具有较大优势, 成为新型的特征提取方法之一。手指静脉图像采用红外光透射成像, 加之手指内部其他组织的固有影响, 图像质量普遍较低。将Gabor滤波对图像纹理的增强与局部图结构编码的思想相结合, 重点研究一种新的对称邻域交叉图结构, 将局部邻域的纹理变化转换为加权的编码串。通过不同方向特征编码提取每个通道Gabor滤波图像的特征编码图, 充分表达像素点周围邻域的位置信息和梯度信息, 具有良好的旋转不变性。实验结果表明: 提出的手指静脉特征编码新方法比多种常用特征编码方法具有更好的识别性能, 对图像姿态变化更鲁棒。

针对显微立体视觉标定过程中, 因显微成像产生的畸变和模糊而造成棋盘格标定板角点误检的问题, 提出一种基于旋转不变性的角点检测方法, 研究了棋盘格角点间的几何特征, 对所有特征角点进行排序, 通过实验建立数学模型, 计算筛选的特征角点的置信度, 准确提取出棋盘格角点位置, 并通过一系列实验对这种方法的准确度、噪点数量以及精度进行验证。结果表明, 基于旋转不变性的棋盘格角点检测方法, 准确率达到91.2%, 重投影误差的均方差约为0.1像素, 具有较高的准确性和精度。

在天文光纤光谱仪中，阶跃型圆柱多模光纤的出射场在有些情况下会变成环形分布的光斑而不是具有高斯分布的圆形光斑，这将对天文光谱测量造成重要影响，不仅引起伪光谱漂移导致光谱测量精度降低，而且还产生伪光谱结构使得原本复杂的天文光谱更加难以分析。利用光线理论对阶跃型圆柱多模光纤的光学传播性能进行分析，揭示了造成环形出射场形成的两大因素：一是入射偏移（包括中心偏移和角度偏移），另一个是圆柱光纤旋转不变性导致的空间光线传播方式。并通过建立入射中心偏移量与出射场环形分布的数学模型，研究了随着中心偏移量增大环形出射场的形成和演化过程，理论分析与实验现象吻合。

提出了改进的形状上下文算法以克服传统的形状上下文算法不具备旋转不变性这一缺点。该算法利用找寻包含采样点数最多的角度区间的方式改变图像角度, 对相对应的区域进行比较, 并计算匹配代价, 从而为形状上下文加入旋转不变性。为提高运算速度, 算法也引入了剪枝方法, 解决了进行直方图距离计算时遍历采样点的问题。实验显示, 本文的算法在公开数据库上测试得到的精确度召回率(PR)曲线与郑提出算法的PR曲线性能接近, 但是计算速度较其提升了近1倍;与传统的形状上下文算法相比, 提出算法的PR曲线更为优越, 且检索精度有较大提高。因此, 提出的算法综合检索性能更好, 能够有效地的应用于二值图像检索领域。

在光学相关识别中，对相关输出结果进行后处理是保证图像识别准确性的关键之一。研究者通常采用神经网络技术对相关输出结果进行处理，并取得了较好的效果，但它需要预先准备大量的相关峰和噪声峰训练样本。根据极坐标变换能将笛卡尔坐标系下的旋转转变成平移的性质以及傅里叶变换的平移不变性，提出一种基于傅里叶-极坐标变换的相关结果后处理方法。验证结果表明：目标的旋转图像与目标自身的傅里叶-极坐标变换的相似度较大，而干扰图像与目标的傅里叶-极坐标变换的相似度较小。本文的方法在后处理阶段可对目标和干扰进行有效的分类识别，而且还能避免对相关峰和噪声峰训练样本的收集，从而使得光学相关识别系统的应用更加便利。

提出了一种用于纹理分类的旋转不变性特征提取的新算法.该算法是将一定大小的图像进行二维傅里叶变换；其次在变换后的图像中央选择一个圆盘区域，并在方向［0°，180°］内进行等间隔角度频率抽样，实现方向分解，使用一组复Morlet小波对每个方向上的映射切片进行小波变换，从而实现多通道频率分解；在各个频率通道中计算均值和方差作为特征，并利用线性回归模型计算频率通道之间的关系特征；将特征沿方向进行一维傅里叶变换并取其幅值，从而得到旋转不变性特征.实验结果表明所提取的特征具有较好的旋转不变性，与其它算法相比具有更好的分类性能，并且对无旋转纹理分类也能产生较好的分类结果.

基于特征的影像匹配是一类极为广泛和重要的方法.已有的研究体现出了特征匹配对于实施最为困难的影像之一--城区航空影像有着极为明显的优越性.文中给出了一种新的匹配目标函数的构建,并基于此提出一种城区航空影像匹配算法,给出了算法的实现过程,并以部分东京城区图进行了试验,结果表明文中的方法具有简洁明了,可靠易行和抗旋转性的优点.

提出一种可实现3-D物体分类的广义判别函数，模拟表明利用RBF函数(RBF：Radial Basis Function)组成的广义判别函数对于3-D目标的识别是很有效的，此方法简单，训练时间短，当识别系统采用并行处理数据时，不论是训练时间还是识别时间都很短，并提出一个利用此广义判别函数分类多个3-D物体的光电混合系统。