随着工业机器视觉的深入发展，大视野高精度视觉系统的需求越来越多。针对大视野导致的精度过低问题，提出一种基于多个低像素相机联合标定的方法。在多相机中选择一个相机作为主相机，求取其他相机的像素坐标系与主相机像素坐标系的映射矩阵，使得主相机的视野无限扩展。同时，为了更精确地得到标定板图像中的圆心像素坐标位置，采用两步标定法提升标定精度。提取标定板圆心像素坐标进行第1次粗标定，获取相机内参以及标定板位姿，从而获取图像平面与世界坐标系的平面Z=0之间的映射关系。对其进行透视偏差矫正，提取矫正后标定板的圆心，再利用逆映射变换把相应的圆心转换回原始位置，用转换后圆心像素坐标位置对主相机进行第2次精标定。最后通过Levenberg-Marquardt算法进行非线性优化获取全局最优解。实验结果表明，所提标定方法的重投影误差在0.005 pixel~0.01 pixel之间。

卷积神经网络的发展极大促进了面部表情识别技术的进步,为解决实际应用中图像识别的准确率受图像像素限制的问题,从三方面对低像素人脸图像的表情识别进行研究。首先根据研究对象像素低、特征复杂的特点,提出了一种改进的卷积神经网络。其次对图像进行基本的预处理操作后,又增加了图像增强处理,作为改进卷积神经网络模型的输入。最后将模型的输出结果进行决策融合,得到最终的识别结果。实验表明,该方法在CK+数据集上取得了良好的效果,且识别准确率较高、效果稳定、泛化能力强。