为解决当前图像伪造检测方法在识别复制内容区域时忽略了颜色信息和不同颜色分量之间的相关性，使其对伪造内容的定位与检测准确度不理想的问题，设计了基于改进的加速稳健特征(SURF)描述符与多元极性复指数变换的图像伪造检测算法。引入高斯低通滤波器，对彩色图像完成过滤，以消除噪声，再计算滤波图像的颜色不变性，用其替代SURF描述符中的灰度分量，对SURF方法予以改进，获取新的Hessian矩阵，充分检测彩色图像中的兴趣点；随后，利用这些兴趣点来构建一组连通的Delaunay三角网。基于四元极性复指数变换，充分考虑不同颜色分量之间的相关性，有效提取三角网的局部视觉特征；计算视觉特征之间的欧式距离，根据预设阈值，对三角网实施配准；最后，引入随机样本一致性，剔除错误匹配的三角网，并定义后处理方法，检测出复制伪造区域。测试数据显示：相对已有的复制-粘贴伪造检测方法，在多种几何变换条件下，所提方法具有更高的伪造检测准确性。

针对现有方法在复杂云层和强杂波的干扰环境下的高虚警率或低检测率的问题,提出一种基于视觉特征融合的机载红外弱小目标检测方法。首先,利用Laplace算法对原始图像进行锐化处理,提取图像的轮廓边缘,并将其叠加到原始图像上,目的是增加真实目标与疑似目标的像素强度。然后,根据目标的梯度特征,采用局部多向梯度方法对处理后图像中的复杂背景和强杂波进行抑制。其次,根据图像的灰度差异特征,采用局部灰度差方法适当地增强目标。最后,将通过视觉特征信息获取的图像融合,突出目标的显著性,并对目标进行自适应阈值处理,实现目标的精准检测。实验结果表明,与其他方法相比,所提方法在信杂比、背景抑制因子及检测率指标上得到显著提升,且具有较低的虚警率。

针对红外光学系统在复杂背景下的弱小目标检测问题, 建立了基于特征整合的信息处理模型, 提出了采用视觉特征整合的弱小目标检测方法。该方法首先利用视网膜神经节细胞感受野的数学模型DOG(Different-of-Gaussian)对红外图像进行初级信息处理, 初步检测出弱小目标。而后, 分为空域和频域两个通道进行特征提取。在空域通道, 利用图像信息构造二阶微分Hessian矩阵, 通过计算其直迹与行列式进行局部极值的判定, 提取出含有弱小目标的结构分量特征; 在频域通道, 利用小波对图像频域进行二级分解, 提取出含有弱小目标的高频分量特征。最后, 将空域通道与频域通道的分量特征整合, 提取出复杂背景下的弱小目标。实验结果表明: 当虚警率为10-3时, 该方法对弱小目标的平均检测概率为95.17%。基本满足红外弱小目标检测方法的稳定可靠、精度高等要求。

准确识别卫星设备等拍摄到的待发射(或飞行途中)导弹类型, 实现及时有效防御, 是国内外**领域研究的热点之一。由于战争状态中导弹具有掩饰色, 且因外形差别不显著, 现有基于底层特征进行导弹分类识别难度较大甚至无法识别。针对这一问题, 提出一种基于稀疏自动编码器(Sparse Auto-Encoder, SAE)高层视觉特征融合底层特征提取的新算法, 为了提高分类精度, 引入迁移学习, 借助STL-10样本库局部特征, 并将导弹图像局部特征向量一并送入池化层卷积神经网络(Convolution Neural Network, CNN)提取导弹目标对象图像全局特征, 通过Softmax回归模型实现导弹分类识别。实验表明, 文中提出SAE融合底层特征的导弹分类识别算法较传统基于底层特征及SAE高层特征分类算法具有更高的准确性及鲁棒性。另外, 为了避免因新型导弹目标对象缺乏训练而导致分类性能下降甚至失效, 算法引入迁移学习实现局部特征提取, 实验验证了算法的可行性和准确性。

基于区域的跟踪方法, 其跟踪模板的大小和位置对跟踪结果的影响十分显著, 本文通过分析模板视觉显著性特征, 提出采用 AGAST快速角点检测方法, 计算角点间相对距离, 分析角点位置分布来自适应确定模板大小和位置, 从而提高相关匹配跟踪算法的适应能力。仿真试验结果表明, 该方法确定的模板能较好的包含目标显著性视觉特征, 并且具有计算速度快, 稳健性高, 能有效提高采用区域模板匹配方法的跟踪性能。

为解决多光谱数据在降维压缩过程中的颜色精度保持问题, 提出一种基于人眼视觉感知特征的多光谱数据高保真降维压缩方法（VPCM）。 研究首先依据人眼视觉响应的非线性解析特征, 成功构建了同时综合人眼光谱特征与色度特征的变换函数, 并通过进一步构造的优化函数对其进行修正, 以针对不同的样本集找到最佳变换方向, 而后利用修正后的视觉特征变换函数对光谱样本集进行空间变换（Γ(S)=C）, 然后利用主成分分析方法对经视觉特征函数变换后样本集光谱数据进行降维压缩处理, 并通过逆变换重构出样本集光谱数据（Γ-1(C)=）, 进行降维评价。 实验选取四类具有典型代表性的数据集作为测试样本, 分别以D50/2°条件下的CIELab色差和75组典型照明光源（钨丝灯、 荧光灯和LED灯）下的平均同色异谱指数（MMI）作为色度主要评价指标, 同时对比了Lab-PQR和2-XYZ两种较为先进的光谱降维算法。 实验结果为VPCM方法的MMI值最小, 其次是LabPQR, 而2-XYZ的表现较差; VPCM方法在75组光源下对四组样本集的平均重构色差ΔEab也为最小, 且最大样本平均色差及方差均要小于其他两种方法; VPCM方法的重构光谱精度介于Lab-PQR和2-XYZ之间, Lab-PQR的重构光谱精度最高。 实验结果显示新方法色度压缩精度整体优于对比的两种方法, 在变换参考条件下具有良好的色差稳定性, 能够较好的应用于多光谱数据色度高保真压缩。

把视觉底层特征概念引入到客观图像质量评价中, 提出了一种基于不同图像视觉底层特征的质量评价方法。在基于Itti计算模型和视觉底层特征最佳权重的基础上, 对4种类型图像提取底层视觉特征显著图, 利用特征最佳权重值, 组合归一化形成视觉计算显著图, 通过直方图相似度计算分析各显著图。实验结果与主观评价结果具有较好的一致性, 且优于基于传统Itti模型和SSIM模型的图像质量评价方法。不同类型的图像需要充分考虑各特征的权重大小, 使其能真实反映视觉感兴趣区域的特征属性, 更好地评价失真图像的质量。

装饰纸作为现代家居产品中必不可少的重要饰面材料之一, 不仅具有良好的装饰效果, 还可以大大地改善材料的表面性能。然而, 装饰纸外观质量的控制(如色差的评价和控制), 仍然是制约装饰纸产业发展的重要因素之一。利用人眼来判别和控制往往因人而异, 偏主观而非客观。因此, 寻找一种客观、有效的方法来代替人的视觉感官来快速判别具有重要意义。本研究利用可见光光谱结合主成分分析法对不同类别装饰纸进行了模式识别分类研究, 探讨了该技术的可行性。结果表明: (1)可见光光谱与表征装饰纸表面视觉特性的参数之间呈现出显著的相关性, 相关系数都达到了0.85以上, 多数均达到0.99, 说明可见光光谱中包含有描述装饰纸表面视觉特征的参数;(2)利用装饰纸表面的可见光光谱结合主成分分析方法所建立的模式识别模型, 对不同装饰纸表面视觉特征类型进行模式识别时, 正确率达到94%～100%, 说明可见光光谱分析技术有潜力成为装饰纸表面视觉特征快速、客观、有效识别和分类的新技术。

基于视觉注意模型提取的特征能够反映图像高层语义的新特征，将视觉注意机制引入到图像分析领域能有效地减小语义鸿沟，获得高效的图像检索性能.根据视觉感知的特点，对Itti视觉注意模型进行了改进.采用主分量图表示亮度图，将纹理粗糙度信息融入视觉注意模型,进而提出了一种基于视觉注意空间分布特征的图像检索算法.首先由改进视觉注意模型将图像分解得到38个视觉特征图，然后采用网格平分法提取视觉特征图的空间分布信息，组成特征矢量来多层次地对图像特征进行描述，用于图像检索.实验结果表明，该算法利用基于改进注意力模型方法来提取图像空间分布特征进行图像检索，能获得较高的检索率.

针对三维模型简化中保留细节特征的要求,提出了一种基于视觉特征保持的三维几何模型简化算法。采用半边折叠操作,综合考虑了网格模型中半边的几何重要性和变化误差,并将其作为各半边的折叠代价来确定模型中边的折叠顺序,在模型简化后又利用顶点"微调"法对简化模型进行了局部视觉效果修正。实验研究结果表明:本文提出的三维几何模型简化算法能有效地保留模型的细节特征,并能显著改善模型因简化产生的形变,是一种简单、有效的模型简化算法。