城市通信技术的改革换代和用频设备的逐渐增多使得电磁环境变得越来越复杂。充分了解频谱资源利用的特性是提高频谱管理效率的关键。为了更全面地探索频谱利用的特点，提出一套完整的对复杂多样电磁环境大数据进行详细数据质量分析和处理的流程，分别对处于同一服务的不同信道、处于不同服务的不同信道进行频谱相关性分析，证明了频谱之间的相关性；对电磁环境大数据进行属性构造，构造了频率维占用度和时间维占用度属性。引入图像处理领域的多维混合高斯模型，对电磁信号进行背景噪声的去除，提取电磁信号，为后续的信息挖掘和关联分析奠定基础。

基于单高斯模型的红外异常目标检测算法是一种常见的能自适应更新背景模型的检测算法。该算法对各个像素的输出响应进行高斯建模，通过设定的阈值确定目标像素点是否为前景像素点，从而达到检测的目的。本文在单高斯模型的基础上，提出一种改进的异常检测算法，该算法利用奈曼-皮尔逊准则选取最佳阈值，克服了根据经验值选取阈值的局限性，为最佳判决阈值的选取奠定了理论基础，使得在虚假率一定的情况下，检测概率达到最高。实验证明，将常见的经验阈值与本文确定阈值进行比较，本文算法确定的阈值检测效果更佳。

当气流经过风电机组的扫风平面时, 风电机组下风处产生的尾流效应会对风电机组的发电效率、疲劳载荷产生不同程度的影响。基于相干多普勒测风激光雷达在江苏某海上风电场开展了全天候风场观测实验。由于紧邻风电机组的尾流垂直截面上风速呈双高斯分布规律, 利用传统单高斯拟合算法存在计算误差较大, 无法反映真实流场风速变化规律, 提出了一种单-双高斯模型拟合改进算法, 分析了目标风电机组尾流的尾流宽度、风速损失率和尾流长度等参数特征, 研究结果验证了单-双高斯拟合算法对尾流横向风速拟合的可行性和准确性。

肤色检测在人脸检测、手势识别、敏感图像过滤、医疗诊断、图像增强等计算机视觉和图像处理领域具有广泛的应用。由于人体肤色容易受光照条件、种族等因素的影响, 难以在非限制性场景中达到理想的肤色检测效果, 所以自适应肤色检测方法应运而生。本文较全面地对自适应肤色检测方法进行了综述, 重点分析了基于参数动态调整和基于高层语义特征的自适应肤色检测方法, 讨论了它们各自的优势和不足, 并在此基础之上展望了未来的发展趋势, 为相关研究人员提供参考。

针对现有视频图像火焰检测算法前景提取不完整、准确率低和误检率高等问题,提出一种基于改进混合高斯模型(GMM)和多特征融合的视频火焰检测算法。首先针对背景建模,提出了自适应高斯分布数和学习率的改进GMM方法,以提高前景提取效果和算法实时性;然后利用火焰颜色特征筛选出疑似火焰区域,再通过融合改进局部二值模式纹理和边缘相似度特征用于火焰检测。基于支持向量机设计火焰融合特征分类器并进行对比实验,在公开数据集上的实验结果表明,所提算法有效提高了背景建模效果,火焰检测准确率可达到92.26%,误检率低至2.43%。

目前海上目标检测已在民用和**领域得到广泛的应用。由于海水波动大、目标成像面积少、特征不显著等特点增大了目标检测难度，为了消除上述的问题，首先提出了一种基于混合高斯-马尔科夫随机场目标检测模型，该模型利用所提出的混合高斯模型自适应调节学习率来抑制动态背景的干扰。然后，利用混合高斯模型对红外图像所计算的结果作为马尔科夫随机场的观测值，建立了马尔科夫随机场模型，可以解决混合高斯模型存在的不足。实验结果表明，本文的方法能够取得良好的检测效果。

颜色传递是近年来图像处理和计算机视觉领域的热门研究问题，随着立体图像技术的发展，对于立体图像的颜色传递越来越受关注。本文提出一种双目立体图像的颜色传递方法，在完成颜色传递的同时力求提升用户的观看体验。根据用户实际需求，可以对目标对象进行颜色传递，而保持背景的颜色不改变。在本文提出的方法中，由用户指定图像对象，然后用图割的方法进行图像分割，根据所选对象与目标图像颜色特征的多元高斯模型匹配完成颜色传递。为了进一步增强观看效果，本文在颜色传递的同时进行非线性视差优化，从而提高目标对象的深度感。本文从不同立体图像库中随机选取图像进行实验，实验结果表明，本文方法中颜色传递和视差优化的结合，可以很好地提升立体图像的观看体验。

红外成像在军民监控领域广泛应用, 红外自动目标检测能减少人工参与, 有效提高效率。本文实现了基于 FPGA的红外目标检测系统, 首先对系统的硬件资源需求进行评估, 并设计了以 FPGA为核心处理器的系统硬件平台。其次, 开发了基于 FPGA的红外目标自动检测处理流程, 经过两点校正与盲元补偿等预处理后的红外图像信号, 通过混合高斯背景建模的方法建立背景模型, 自动检测前景目标, 再将目标区域周围高亮标识出来。实测结果表明, 该系统可有效检测出高亮背景下的红外目标。

为了识别植被场景中的叶片和相邻障碍物,提出了一种三维激光雷达的目标检测算法。以雷达点云中的相邻点构建邻域特征,提取新的特征参数作为判别依据,采用期望最大算法求得混合高斯模型以表征特征参数的分布情况;最后,利用马尔可夫随机场建立先验模型,在最大后验概率框架下采用图割法进行求解,得到最优目标函数。该算法已成功应用于无人驾驶平台。研究结果表明,该算法能有效地识别叶片及其邻接障碍物,可以清楚地分辨障碍物边界。与传统算法相比,该算法具有更高的稳健性和准确率,且其实时性满足实际应用的需求。

使用光谱测量方法进行细胞多色荧光分析时，发射光谱会产生部分光谱重叠，为定性和定量分析造成了一定的困难。为此，提出基于优化迭代算法的细胞荧光光谱解析算法，建立重叠峰模型并确定单峰顶点；根据每次构造峰面积的大小，重新确定构造峰的构造方式，最终得到模拟峰的顶点及面积信息。利用该算法对高斯函数叠加形成的重叠峰进行解析，并与常规方法进行对比，结果表明优化迭代算法解析误差稳定在0.15%以内；加入随机噪声后，解析误差可稳定在0.85%以内，均优于另外两种算法。此外，计算了该算法下的迭代效率，结果表明该算法较常规方法提高了32.2%。