红外刑侦图像目标识别对刑事侦查具有重要意义，但刑事案件的侦破对时间和置信度要求较高。设计一种保持优异识别精度且具备较快识别速度的轻量级红外刑侦图像目标识别算法，具有十分重要的研究价值。因此借鉴生物免疫的优良特性，设计了免疫原性深度神经网络算法。该算法通过构建先天性免疫网络和适应性免疫网络来提取图像特征，然后设置免疫原性网络增强算法在处理图像特征映射时对不同通道之间优先级的调整能力，从而提高算法的精度和速度。实验结果表明，本文算法有效实现了红外刑侦图像的快速精准识别。与VGG16、VGG19、Resnet34、Resnet50、MobilenetV2等模型相比，本文算法不仅取得了994%的最高测试准确率，而且还具备最快的识别速度。

本研究旨在解决红外图像刑侦场景中目标边缘模糊和轮廓不完整等问题。提出了一种基于特征增强的模糊刑侦目标提取方法。首先，设计模糊刑侦目标边缘提取网络模型（Blurry Criminal Investigation Target Edge Extraction Network Combined with Spatial Channel Attention, BCES-Net），并利用空间通道关注模块(Spatial and Channel Attention Module, STCAM)获取具有强语义信息的特征图像。接着通过建模提取来获取包含语义类别信息的边缘特征和模糊刑侦目标特征。在训练过程中，基于特定损失函数和多种特征融合技术，通过反复监督学习和训练校正，提高了边缘和模糊刑侦目标分割性能。在手部热痕迹数据集上，与DeeplabV3+、U-Net、HRNet、PSPNet等模型相比，BCES-Net模型在均交并比（mean Intersection over Union, mIoU）、平均精度均值（mean Average Precision, mAP）、准确率等评价指标上显著优越，mIoU达到883%，mAP达到9435%，准确率达到955%。本研究创新性地提高了模糊红外刑侦目标提取的准确度，为实际应用提供了技术支持。

红外图像技术在刑侦领域的应用越来越广泛。通过案发现场遗留的热痕迹可为案件搜集更多的证据。但是红外图像往往存在轮廓不清晰、提取效果模糊等问题。针对这些问题提出一种基于改进U-Net的图像目标提取方法。网络结构采用三层的上采样和下采样：上采样采用双立方插值，下采样采用步长为2的3×3卷积。通过跳跃连接将浅层特征和深层语义信息融合，并引入Dropout和Batch Normalization结构使得网络更快、更好地收敛。以刑侦红外手印为研究对象，通过实验对比改进U-Net、Sobel算子、分水岭、最大熵、Otsu等算法的图像目标提取效果。结果表明，本文搭建的U-Net网络能够更完整、更有效地提取红外手印的轮廓信息，在红外手印的提取上取得了较好的效果。

针对传统红外图像目标分类方法准确率低的问题，提出了一种用结合多特征融合的粒子群优化（Particle Swarm Optimization, PSO）算法来优化支持向量机(Support Vector Machine, SVM)的方法。该方法采用方向梯度直方图(Histogram of Oriented Gradient, HOG)和局部二值模式（Local Binary Pattern, LBP）两类特征描述红外图像中目标的轮廓特征和局部纹理，从不同的方面展现红外图像的特点，在图像的特征表达上具有一定的互补性。在特征提取后对样本数据进行凸包算法计算，得到一些具有代表性的样本数据，从而提高分类计算效率；在分类模型训练时，采用PSO算法优化SVM，寻找SVM的最优惩罚因子和核参数，从而提高分类模型的准确率。实验结果表明，多特征融合的分类模型的准确率比单一特征的分类模型提高近10%，且经PSO优化的SVM最终模型的分类准确率高达99%。

红外重叠手印图像是刑侦领域比较复杂的一类红外图像，其本身具有信息不确定性和手印重叠性。如何准确提取重叠的手印目标是刑侦领域处理此类图像的一大难题。针对该问题，提出了一种基于可变阈值和坐标变换融合的红外刑侦重叠手印目标提取算法。首先，采用阈值算法提取整体手印图和手印重叠部分图；然后通过坐标变换方法滤除两部分图像的无关区域；最后利用轮廓融合算法将两部分图像融合，得到整体手印目标的提取结果。为了使提取结果具有更好的可视性，又采用图像旋转操作后的坐标变换方法来提取单个手印目标。实验结果表明，与其他一些目标提取方法相比，本文方法在提取整体和单独手印目标时都具有较高的准确性和完整性。

管道运输对远距离输送石油天然气有着较大优势, 而与之伴随的管道安全问题使得管道安全检测至关重要。 为确保任何时间下管道状况的有效检测, 红外成像技术由于其根据对象的热辐射信息反映目标特征的特殊性, 能够忽视可见光的影响检测管道状态, 因而在管道检测领域有重要意义。 但由于户外环境的多样性, 交错的管道和复杂环境使得采集的红外管道图像具有目标特征分布不均匀, 目标遮挡和背景类目标干扰等问题。 这些问题增加了提取管道目标的难度, 不利于管道的分割和检测。 生物免疫系统在抗原检测、 提取和消除上表现出识别、 学习、 记忆、 耐受和协调配合等目前复杂系统优化策略所缺乏的优异特性, 借鉴生物神经系统调控免疫系统的机理, 设计一种基于神经免疫网络的复杂背景下红外管道目标的检测与提取算法。 根据生物神经网络在免疫系统中的调控机制, 利用基础管道形状特征模型构建用于红外管道目标定位的神经网络, 并将最优神经免疫可免域和区域种子生长结合, 解决管道遮挡影响提取目标完整性的问题。 选择三种典型的红外管道图像, 将传统目标检测算法与基于神经免疫网络的算法进行了效果对比分析。 结果表明, 传统算法的平均真阳性率为40.56%, Jaccard相似性指数为27.18%, 绝对误差率为11.75%, 而基于神经免疫网络算法的真阳性率为98.05%, Jaccard相似性指数为94.44%, 绝对误差率为1.18%。 对比可知, 神经免疫网络算法的真阳性率比传统方法高57.49%, 绝对误差率则低10.57%, 验证了复杂背景下, 本文算法相比传统方法能够更加准确地提取完整的红外管道目标, 这对管道安全检测效率的提高有着重要意义。

在工业生产中，高温蒸汽管道通常用于输送高温蒸汽和高温工业废水等。但为了安全起见，管道通常被放置在环境比较复杂的地方，这不利于工人对管道进行检测与维护。如何快速地定位复杂背景下蒸汽管道的位置并对周围环境进行区分成了一个亟待解决的问题。由于最大类间方差（Otsu）算法不能满足上述要求，基于细胞免疫机制提出了一种改进的Otsu算法。根据红外图像中管道以及复杂背景的特征，该算法计算出两个不同的阈值，并将它们分别用于管道的提取与复杂背景的区分。借助Quartus Ⅱ软件搭建了基于现场可编程逻辑门阵别（Field Programmable Gate Array,FPGA）的软硬件系统，实现了数据通信传输，并对改进的Otsu算法进行了验证。实验结果表明，该算法在应用于管道红外图像时可以取得较好的效果。与几种边缘检测算子和经典Otsu算法相比，本文算法无论是用于管道的提取，还是用于复杂背景的区分，都具有较高的真阳性率(True Positive Rate，TPR)和较低的假阳性率(False Positive Rate，FPR)。

绝缘子是输电线路上的重要设备，若发生故障会给电力设备带来巨大损失，从拍摄的输电线路红外图像中定位和提取绝缘子，基本上能反映多种绝缘子故障，在绝缘子的识别和故障诊断中更具实用性。本文提出了一种基于红外图像的绝缘子提取方法，依次使用 Speeded Up Robust Features（SURF）算法提取测试红外图像的关键特征点、基于改进 Fuzzy C-means（FCM）算法聚类划分特征点、根据绝缘子的形状特征值识别和定位绝缘子、基于改进的图像开运算精确提取绝缘子。该方法充分发挥了红外图像的优点，能够准确提取绝缘子，为基于红外图像的绝缘子故障诊断奠定了基础。

水果的可见光谱目标识别是实现农业自动化采摘至关重要的一步。 在水果识别的过程中, 由于重叠和遮挡的影响使得目标识别困难, 识别率不高。 本文针对自然环境中果实重叠的识别问题, 利用谱聚类算法对图像进行分割, 然后使用随机霍夫变换实现果实的识别和定位。 针对传统算法运算复杂度高, 运算速度慢的问题, 本文提出了基于均值漂移和稀疏矩阵原理的改进谱聚类算法。 首先使用均值漂移算法对图像进行预分割, 均值漂移是一种用于密度梯度的无参估计法。 该算法实质是一种迭代, 先计算出偏移量, 根据偏移量移动点, 如此反复, 直到偏移量为零即收敛到一点为止。 利用均值漂移算法除去大多数的背景像素, 为减少谱聚类算法的计算量做准备。 然后提取预分割图像的有用信息即图像中像素对之间相似度的描述, 将提取的图像特征信息映射到稀疏矩阵中, 并使用K-means算法将其分类。 得到最终的分类结果, 实现对预处理图像的再次分割。 然后恢复图像分割区域的颜色, 使用彩色向量梯度提取边缘轮廓, 对得到的轮廓图像使用随机霍夫变换, 并在检测过程中设置半径参数的范围从而进一步加快算法的运行速度。 经过检测可以得到目标的圆心坐标和半径, 从而实现重叠绿苹果的识别。 降低了谱聚类的数据处理量, 提高了算法的运行速度。 经过试验分析和算法对比, 该算法得到较高的重合度9541%, 较低的误差率459%和误检率305%。

为了得到一种易实现且精度较高的双目测距方法,立体校正左右相机的非前向平行结构,先将改进的Census变换算法应用于立体匹配,得到准确的视差值,再根据双目视觉特殊的外极线几何结构计算出实际的距离信息。将原始Census变换中比较周围像素与中心像素的方案改进为多中心点相互监督融合,极大地提升了立体匹配精度。在实验室环境下,利用两个完全相同的互补金属氧化物半导体(CMOS)相机搭建了双目测距实验平台,详细介绍了测距流程中的硬件、算法以及标定过程。将实验结果应用于实际距离测量,并与原始的Census变换进行对比,结果表明:改进的Census变换测量误差为6.4 cm,2 m测量误差精度提高了19.1%,满足高精度双目测距要求。