针对计算机绘制车道线地图的过程中，需要在移动背景下精准追踪车道线的功能需求，提出一种结合帧差法和窗口搜索的车道线跟踪方法。首先，对广角镜头拍摄的图像进行棋盘格矫正，再利用逆透视变换(IPM)将包含车道线的感兴趣区域转换为鸟瞰图，再使用色度,饱和度,纯度(HSV)、红绿蓝(RGB)分别将白色、黄色像素筛选出来。其次，利用车道线与垂线的夹角对车道线进行修正，根据修正后图片的像素密度，选出车道线的起始点，并采用滑动窗口搜索的方法提取整个车道线。最后，采用改进的帧差法，对车道线进行跟踪，并根据车道线标准对车道线像素进行规范化补充。由大量的实际道路行驶测试表明，该算法的准确率为94.97%，能够较为精确地完成车道线的追踪。

提出了一种基于贝叶斯理论检测血管边界的手臂静脉线跟踪方法,该方法自动选取初始种子点,避免人工干预。跟踪血管时,将血管结构分为正常型、分支型和交叉型3种。每次迭代时综合考虑血管的横向和纵向特性。由于短距离内血管近似为直线,可利用多尺度直线模板对图像进行滤波,得到像素点的直线强度。使用高斯模型拟合血管横截面的灰度分布,基于贝叶斯最大后验概率准则,确定可能性最大的血管结构,从而得到局部血管的边界点、中心点、直径和方向。实验结果表明:与传统的阈值分割法和重复线跟踪法相比,所提方法提取出的手臂静脉线更准确、更全面,且具有较好的噪声稳健性。

为了弥补Maio等人提出的直接灰度提取细节算法(DGMD)在指纹脊线曲率变化较大时不能正确的提取细节点的缺点,本论文提出了一种基于Hessian矩阵的指纹细节点(端点和分叉点)提取算法。该算法结合Hessian矩阵的特征向量和指纹纹线本身的几何方向的特点,提取跟踪曲线的细节点。本算法在FVC2000(国际指纹竞赛数据库)上作了测试,实验结果表明,指纹脊线曲率变化较大时,算法能正确跟踪指纹脊线方向突变的中心线,从而使细节点提取的总的准确率可达95.5%,具有一定的实用价值。与DGMD算法和单独的Hessian矩阵法算法相比,本方法有很好的鲁棒性和较高的准确性。