针对视频中前景检测的问题, 提出了一种基于张量低秩表示(Tensor Low-Rank Representation ,TLRR)和时空稀疏分解的检测方法。由于视频序列中的前景除具有稀疏性外, 本身还具有空间上的连续性以及时间上的持续性, 本文提出采用时空稀疏范数对前景特性进行深入发掘。利用张量低秩表示方法将原始视频用张量形式进行分解, 充分利用了原始数据的行信息和列信息, 且将原始的背景、前景二分解泛化为背景、前景和噪声的三分解, 使用非精确增广拉格朗日乘子(Inexact Augmented Lagrange Multiplier ,IALM)方法进行最优化求解, 并对算法进行了分析。设计实验对本文新方法的有效性进行了验证和比较, 并对影响算法效果的重要参数ρ进行了进一步研究实验。实验结果表明: 该方法能够有效检测出视频中的运动前景, 其准确性相对已有方法有一定提高。

提出了一种针对**目标红外模糊图像复原的降晰函数辨识算法。该算法根据气动光学效应形成湍流流场的机理建立相应的模型，将点扩展函数简化为可用参数描述的高斯函数形式；利用红外图像的边缘梯度变化特性提出边缘清晰度改善量，并作为降晰函数参数辨识的评价标准，清晰度改善量取最大值时对应的参数就是观测图像的最佳降晰函数参数；针对复原过程中可能出现的振铃效应，运用细节规整化思想衍生的加权空间复原算法，自适应地抑制寄生波纹的产生。实验验证表明，本文方法能有效地复原红外模糊图像，且对降晰函数的辨识准确率高，相对误差可以降低至4.5%左右。另外，抑制振铃寄生波纹效果良好。复原后图像在各项质量评价指标上都有很大提高，峰值信噪比提高量超过9.4 dB，综合评价指数ImageQ提高了20以上。

针对传统乙烯气体泄漏检测和定位方法存在效率低、检测范围小和实时性差等问题, 提出了一种基于红外成像的泄漏检测方法。该方法利用红外摄像机获取乙烯生产车间内各设备工作时的红外视频图像, 将其转化为灰度图像序列后, 利用逻辑运算融合多幅帧间差分和背景差分后的图像信息, 并利用形态学滤波消除噪声干扰, 最终获得气体泄漏疑似区域的准确位置。实验结果表明, 该方法高效、准确且具备实时性, 能够获得完整、清晰的泄漏疑似区域, 实现了无色气体泄露区域的初步定位。