为了解决图像伪造检测算法在定位篡改内容时忽略了不同颜色分量之间的关系, 使其对图像特征描述不足, 导致其识别结果中存在误检与漏检等情况, 本文提出了基于多元指数矩与欧式局部敏感哈希的图像伪造检测算法。引入高斯低通滤波, 消除可疑图像中的噪声;随后, 将滤波图像分割为一系列的重叠圆形子块, 改善其对旋转等内容操作的鲁棒性;基于四元指数矩 (QEM), 计算每个圆形子块的 QEM, 以提取相应的鲁棒特征, 将其组合成特征矢量;采用欧式局部敏感哈希机制, 生成每个子块对应的哈希序列;计算任意两个相邻哈希元素之间的空间距离, 通过与预设阈值比较, 完成所有子块的匹配;最后, 借助随机样本一致性方法来剔除错误匹配, 通过形态学处理, 定位出篡改内容。实验数据显示：较已有的伪造检测方法而言, 在各种几何内容修改下, 所提算法具有更高的伪造检测准确性。

文中提出了一种基于遗传算法并考虑空域距离关系来设计细胞神经网络模板参数并实现森林红外图像动物边缘检测的算法。仿真结果表明，该算法与其他的森林红外图像边缘检测算法相比，能很好地抑制噪声对边缘检测的干扰，保留边缘信息，同时能较好地检测出红外图像动物的边缘，检测精度高，具有良好的应用前景。

在人类视觉系统(HVS)中，占据重要部分的是对比度值而不是亮度。现有的基于HVS的红外弱小目标检测算法可以有效提高目标信噪比和检测率，但也存在虚警率较高、易受噪声影响等问题。针对这些问题，提出一种基于空间距离改进的视觉显著性红外弱小目标检测算法。用目标所在像素块均值与其周围像素块加权和的比值来加权目标点灰度，得到一幅显著图。在计算周围像素的灰度加权和时，将视觉注意机制中关键因素之一的空间关系考虑进去，根据空间距离加权计算，较远的地方分配较小的权值。实验表明，本文算法不仅可以降低虚警率，而且抗噪能力也比较强。

研究遥感图像多光谱特征分布是设计分类算法的关键。针对土地利用/覆盖类别由多种地物组成,难以求取多元分布模型分析类别多光谱特征的问题,提出了一种遥感图像土地利用/覆盖多光谱特征分布空间距离分析方法,以样品均值矢量作为类别中心,用最大最小法聚类形成类别多聚类中心,计算各聚类中心与类别中心的空间距离,以距离为横坐标、 聚类中心含有的像元数占样品总数的百分比为纵坐标作图,形成内类、类间空间距离分布曲线分析遥感图像土地利用/覆盖类别多光谱特征。分类实验结果与空间距离分析结论吻合,说明空间距离分析方法可行。该方法利用空间距离把多维光谱分布转化为一维距离分布,计算简单,聚类门限值易于确定,多光谱分布特征清晰,较好地解决了多光谱特征的多元分布问题。