以药品为研究对象，利用太赫兹时域光谱系统对3种不同药品进行测量并提取折射率、介电常数和物质因子等多个特征参数，然后联合多个特征参数作为输入，采用后向传播(BP)神经网络、支持向量机(SVM)和学习矢量化(LVQ)3种机器学习方法分别对药品进行多特征联合检测分类识别。实验结果表明，多特征联合检测方法识别准确率能够达到95%以上，有效提高药品的检测分类准确度，可用于药品的检测和分类识别。

夜间有雾图像光照不均、对比度较低且色偏严重。现有的去雾算法主要是针对白天图像,并不适用于夜间场景,夜间图像去雾难度较大。该文通过深入分析夜间有雾图像的成像特点,提出了基于低通滤波和多特征联合优化的夜间图像去雾算法。针对夜间图像环境光照不均匀问题,提出先对图像进行低通滤波,然后对其低频分量三通道利用最小-最大值滤波估计局部环境光;针对目前白天去雾算法先验不适用于夜间图像,提出结合图像对比度、饱和度和信息熵特征,构建多特征联合优化函数估计透射率;针对夜间图像存在非一致色偏问题,提出非重叠块局部Shade of Gray算法进行颜色校正。实验结果表明:所提算法去雾图像的主观视觉效果较好,且对比度和色偏程度两方面客观评价指标整体优于其他对比算法。该算法能够有效去除夜间图像雾气,提高图像的对比度,恢复更多的细节信息,且颜色自然,视觉效果理想。

针对运动阴影检测时单一阴影特征难以完全将前景和阴影正确分离，提出一种多特征联合运动阴影检测方法。考虑运动阴影的光照、色度、纹理和区域统计特性，提出采用小邻域光照的对数比值不变性来判定阴影，接着联合阴影HSV 颜色空间特性和梯度方向小块合并的阴影区域统计特性来实现多特征联合运动阴影检测。为了客观评价方法性能，采用一种改进的量化方法，对不同光照和环境条件下的视频序列进行测试。实验结果表明，该方法效果好，前景检测率和阴影检测率高，可应用于智能视频监控的目标检测。