针对联合图像专家组(JPEG)标准设计了一种基于自适应下采样和超分辨力重建的图像压缩编码框架。在编码器端，为待编码的原始图像设计了多种不同的下采样模式和量化模式，通过率失真优化算法从 多种模式中选择最优的下采样模式(DSM)和量化模式(QM)，最后待编码图像将在选择的模式下进行下采样和JPEG编码；在解码器端，采用基于卷积神经网络的超分辨力重建算法对解码后的下采样图像进行重建。此外， 所提出的框架扩展到JPEG2000压缩标准下同样有效可行。仿真实验结果表明，相比于主流的编解码标准和先进的编解码方法，提出的框架能有效地提升编码图像的率失真性能，并能获得更好的视觉效果。

提出一种基于自适应光源采样的软阴影高效逼真绘制方法。首先, 通过对面光源的部分区域进行规则采样生成多张阴影图, 再将阴影图重投影到视点下, 在屏幕空间根据比较生成的阴影差值来判断是否需要进一步细分光源采样点, 从而实现自适应的逐层采样, 避免生成对软阴影质量没有贡献的阴影图, 在保持软阴影逼真绘制的同时, 较好地提高绘制效率。

基于扩展小波树理论和多任务贝叶斯模型,提出了彩色图像自适应压缩采样方法。根据扩展小波树结构中父子系数和兄弟系数的关系,对彩色图像中红、绿、蓝三通道图像分别进行了自适应压缩采样。利用彩色图像三通道间的相关性和多任务贝叶斯模型,分别处理了采样得到的三通道高频小波系数,并重构融合得到彩色图像。研究结果表明,当采样次数为600、采样率为14.6%时,利用所提方法得到的彩色重构图像的峰值信噪比均大于27 dB,色差均值最小,色差值也趋于稳定,图像色调保持着较好的一致性和稳定性。

针对尺度变化、目标形变、背景混乱及相似等导致的相关滤波跟踪算法模型漂移的问题，本文提出了一种基于背景抑制和前景抗干扰策略的多尺度相关滤波跟踪算法。前者应用自适应高斯窗和颜色概率模型，以解决背景混乱及相似问题；后者采用自适应密集采样和颜色概率模型，以抑制尺度变化和目标形变等干扰。最后，构建一维尺度滤波器实现对目标尺度的精确估计。在 OTB-50数据集下的对比实验表明，本文算法取得了 79.2%的精确度和 65.5%的成功率，优于现有的主流相关滤波跟踪算法，在 11种常见的干扰下性能亦为最优，展示出较高的跟踪精度和较强的鲁棒性。

视觉定位是移动机器人定位的一个主要发展方向, 针对传统视觉定位技术实时性差的问题, 提出一种基于自适应下采样的快速视觉定位技术。通过预先得到的尺寸特征, 并根据最小分辨尺寸计算下采样率, 而后对下一副图像进行下采样及图像分割, 根据对象坐标和下采样率确定对象在源图像中所处区域, 对源图像该区域进行图像分割和特征提取。将提取的尺寸特征作为下一幅图像的输入, 提取的视觉定位所需特征用于机器人的定位解算, 由此在保证视觉定位精度的前提下有效减少视觉定位的时间。实验表明, 对文中给定图像, 传统方法处理100幅图像时间为20.23 s, 而文中所述技术对应图像处理时间为1.78 s, 仅为传统技术的8.8%, 有效减少了图像处理时间, 提高了机器人视觉定位的实时性。

针对在无GPS环境下的小型无人机自主飞行问题，提出了一种基于改进的粒子群优化(IPSO)的快速同步定位和地图创建(FastSLAM)方法—IPSO FastSLAM算法。IPSO算法通过引入自适应重采样方法，有效克服了粒子退化问题，又减少了过频重采样带来的计算负担。提出了以粒子集多样性测度作为启发因子，引导重采样后的粒子优化搜索过程，克服重采样过程造成的样本枯竭问题，保证粒子集多样性水平最优。最后，应用该算法对一种小型无人机模型进行仿真实验，结果验证了该算法正确、可行。