肝脏分割是计算机辅助肝脏疾病诊断、治疗和手术的重要步骤，提出一种基于空间模糊C均值和图割的CT图像肝脏分割方法。首先，为去除毗邻器官和组织对肝脏分割的影响，采用阈值、投影和三维区域生长法从原始CT图像中去除脊柱、肋骨，接着采用K-means聚类和二值形态学重建方法去除右肾。然后，采用空间模糊C均值从初始切片中分割肝脏，再结合CT切片的空间、形状和灰度特性运用图割算法迭代分割剩余切片。最后，根据形态学操作和解剖学知识去除肝脏分割结果中的下腔静脉区域。实验结果证明，与其他同类方法相比该方法可获得更好的分割效果。

为了提高腔体器件电磁特性的计算效率,基于压缩感知理论,提出了一种时域不连续伽略金快速求解方法。该方法采用节点基函数和蛙跳策略对麦克斯韦方程进行时空离散处理,并在电磁场迭代更新的初始阶段,采用传统方法对区域内的所有单元进行循环计算。当电磁波布满整个区域后,将所有单元视为整体进行全域求解。首先,针对全域质量矩阵,按行进行随机抽取以构建欠定方程;其次,将少量的前时间步结果作为先验知识,以构造待求场值的稀疏变换;最后,利用恢复算法求解欠定方程,从而实现腔体器件电磁特性的快速分析。

强化学习中基于马尔可夫决策过程的标准Q-Learning算法可以取得较优路径, 但是方法存在收敛速度慢及规划效率低等问题, 无法直接应用于真实环境。针对此问题, 提出一种基于势能场知识的Q-Learning移动机器人路径规划算法。通过引入环境的势能值作为搜索启发信息对Q值进行初始化, 从而在学习初期便能引导移动机器人快速收敛, 改变了传统强化学习过程的盲目性, 适用于真实环境中直接学习。仿真实验表明, 与现有的算法相比, 所提算法不仅提高了收敛速度, 而且还缩短了学习时间, 使得移动机器人能够迅速找到一条较优的无碰撞路径。

基于背景连续性先验知识,提出了一种新的显著性检测方法。该方法首先对图像进行超像素分割,寻找任意一组超像素间的最短长度路径,并根据路径中的超像素与路径首尾两端的超像素的色彩差异计算出超像素的前景权重。经过基于色彩差异的前景权重修正和基于边界先验知识的显著性优化,得到最终的显著性检测结果。所提方法在多个图像数据集上进行了检测效果测试,均取得了优异的表现。

高动态范围图像合成中容易出现鬼影现象，而传统的矩阵完成算法没有考虑多曝光图像序列的运动特征，导致高动态范围图像中的鬼影未能完全去除。针对这一问题，本文提出一种基于低动态范围图像内容自适应矩阵完成算法以去除高动态范围图像中的鬼影。首先，根据图像的亮度和色度信息，确定低动态范围图像的运动区域；然后根据这一运动先验信息，调整矩阵完成算法过程中的正则化约束强度，从而得到每幅低动态范围图像的背景信息；最后，考虑到不同曝光度的图像在每一区域所包含的细节不同，采用与曝光相关的融合策略合成去鬼影的高动态范围图像。实验分别采用简单背景图像序列和复杂背景图像序列，结果表明，所提出的算法相比于奇异值部分和最小化矩阵完成算法，能取得更好的合成效果，适用于复杂背景下的高动态范围图像合成。

针对基于可见光和红外图像的分析型融合跟踪算法在复杂环境下的鲁棒性不高,提出一种新颖的基于优化协同训练理论的自适应分析型融合跟踪算法.首先,通过加权多示例学习boosting技术分别从基于可见光和红外图像的弱分类器池中实现判别能力最好的弱分类器挑选,减弱引入的误差样本对联合分类器判别能力的影响；然后,在自适应先验知识引入机制辅助下,完成分类器样本包的协同训练更新,减小相互引入误差样本的概率；最后,通过误差模型完成算法有效性分析.多组序列跟踪的对比实验结果展示了该算法各部分对提高跟踪鲁棒性的贡献,验证了该算法相比于基于单源图像或其它融合机制的跟踪算法更好的鲁棒性.

为了进一步提高有雾视频的可用性, 提出了一种改进的基于雾气理论的视频去雾方法。该方法以雾气理论为基础, 利用暗原色先验知识以及Retinex方法和图像融合的方式, 将从视频背景图像求取的大气光值和介质传播图应用于视频的所有帧以便去除雾气。从主观定性评价、客观定量评价和运算速度3个方面对视频去雾效果进行了评价。结果表明, 对分辨率为480×640的视频, 本文方法的运算速度为5.45 frame/s, 不仅获得了较快的处理速度且能有效避免复原视频中出现颜色跳变的现象。由于本文采用区间估计的方式对大气光值进行估计, 同时利用图像复原和图像增强的方法求取介质传播图, 因此, 复原视频的清晰度和对比度比典型的视频去雾方法有所提高, 颜色效果也比较好。

图像采集系统在获取图像时，受到各种干扰，使图像变模糊并含有噪声。为此，提出了一种基于清晰图像先验知识的图像盲复原算法。首先通过统计分析大量的清晰图像梯度域的概率分布特性，将图像划分为具有较多复杂纹理的区域和平坦区域，拟合概率分布函数，得到清晰图像的先验知识，并加入图像局部约束条件，即复原图像平坦区域与退化图像的平坦区域的概率分布变化较小，避免产生振铃现象。然后，建立图像噪声模型，将图像噪声划分为高斯噪声和均匀分布噪声，防止退化图像中的灰度过饱和像素点在复原过程中产生异常值。最后，利用最大后验概率模型，构造代价函数，将图像盲复原问题转变为求代价函数最小化问题，并用最大期望算法和快速迭代收缩算法求解代价函数，恢复出清晰图像。实验结果表明，该算法能有效恢复图像细节,锐化图像边缘，抑制噪声，避免产生振铃效应。

提出一种适用于气体扩散分布重建的改进代数迭代算法.针对投影射线扇束构型及双投影方向,在算法迭代步骤中引入先验矩阵,对迭代结果间隔性地进行中值滤波.以高斯烟羽模型为测试对象,分析迭代次数、松弛因子及不同滤波器使用策略对重建结果的影响,结果表明:迭代次数为500次,松弛因子为2时,均方误差、峰值相对误差基本收敛,并将波峰控制在一定范围内.改进代数迭代算法的均方误差、峰值相对误差重建指标优于传统代数迭代重建算法;同时,改进后算法能够准确定位波峰,完成尾峰重建,具有较强的抗噪性.

针对基于单一特征驾驶员脸部检测算法在检测精度和可靠性方面的局限性,提出了一种新颖的驾驶员脸部检测融合算法。首先采用改进的基于Haar-like 特征的人脸检测算法在整幅图像上检测出可能存在的初始人脸区域,然后自适应地扩大初始人脸区域范围,并在此基础上利用基于肤色特征的方法在YCbCr 空间上进行脸部的二次检测,最后根据定义的脸部区域重合度和人脸几何先验知识对驾驶员脸部区域进行双重匹配验证进而制定相应的定位规则对脸部进行融合检测。各种复杂路况下的实验结果证明了该算法的有效性。