传统的调制度测量轮廓术在进行系统的标定时，需要将标准平面多次精密移动，以建立调制度与实际物理高度的映射关系，同时还要对摄像机进行单独的标定。提出一种新的用于调制度测量轮廓术系统的高度映射与相机同时标定的方法。该方法用一个含有多个台阶的标定模块代替传统的调制度测量轮廓术标定方法中使用的标准平面及复杂的平移定位系统，多个高度相同但空间离散分布的台阶构成多个虚拟校准平面，虚拟平面上的调制度分布是通过一个拟合过程实现的，同时多个台阶的中心点还可以作为立体靶标用于相机标定。这种标定方法的特点是：只需要一次扫描测量过程就可以完成系统的标定，包括建立调制度与高度的映射关系和对相机的标定。阐述了该标定方法的原理，并给出实验结果说明了该标定方法的有效性。

基于三角法的结构光三维测量技术具有较高的精度，但投影光轴和观察光轴之间的夹角在测量过程中可能产生遮挡和阴影，需要通过两次或多次不同方向的测量和拼接解决。与三角测量不同，基于调制度测量的三维面形测量方法采用了垂直测量原理，将投影光轴和观察光轴重合，从而摆脱了基于三角测量原理的光学三维传感方法中阴影、遮挡等限制。对一种连续相移和垂直扫描的调制度测量轮廓术三维面形重建算法进行了研究，分析了这种类型的结构光扫描条纹的特点，基于这种特点介绍了几种同步扫描的调制度测量轮廓术提取调制度及三维重建算法，比较了几种算法的特点，实验表明采用适当的三维面形重建算法，可以在垂直测量的模式下实现115 mm深度测量范围，对被测面积为120 mm×120 mm 检验平面测量，标准差可达0.19 mm。

研究了使用三维人脸模型进行不同姿势下的人脸识别问题,提出了一种三维建模二维识别的人脸识别算法,首先使用该方法将三维模型向不同方向投影,进而将不同姿势的二维图像与不同方向的投影结果相匹配,进行.人脸识别.研究了使用Minolta Vivid 910进行数据获取,创建三维模型的方法和过程.实验结果表明,在进行不同姿势的人脸识别时,该方法的识别速度快于三维可变形模型方法,识别率远优于使用二维正面图像作为模板的人脸识别方法.

在实时的车型识别系统中,由于光照的影响,需要一种简单快速有效的方法将汽车车体与其阴影分割开。利用阴影的光谱属性,同时根据阴影的几何特征及阴影区域内的点和汽车的空间位置、形状等相关特点,提出一种基于小波变换多分辨率特性的阴影分割算法,该算法能有效地分割出阴影与目标之间的分界线。先利用阴影的光谱属性对阴影进行粗分割,然后利用小波变换的多尺度性对候选阴影点进行特征提取,从而获取最后的阴影分界线。该方法不需要事先确定光源的方向、车体的彩色信息和背景纹理信息,能有效地分割任何颜色、任何背景纹理下、任何光源方向下的运动汽车投影阴影。实验表明,该方法定位准确,处理速度快,抗噪能力强,为进一步的车型识别提供基础。

针对ASPCM模型处理转动角度较大的人脸图像时出现的不足，提出CASPCM模型。以样本与模型中心的距离为依据将训练样本分组，为每个分组训练ASPCM模型；将局部ASPCM模型的合成映射结果加权平均得到CASPCM模型的合成结果；提出利用梯度下降法使分解映射的姿势估计逐步精确。采用精确性和概括性两个标准衡量该模型的分解性能和合成性能。实验表明，CASPCM模型的分解性能和合成性能均优于ASPCM模型；基于该模型的人脸识别系统在处理转动角度较大的人脸图像时，识别率比ASPCM模型高7%。

提出了NSA多尺度模型。该模型摒弃了LSA模型中不同尺度的图像间具有线性映射关系的假设。首先利用神经网络建立不同尺度图像间的映射关系；其次使用反向传播算法训练神经网络确定这种映射关系；最后根据该映射关系由低分辨率图像估计高分辨率图像。利用对比度相似性量化估计图像与目标图像间的相似程度。将该模型用于人脸识别，提出利用梯度算子进行图像分割提高识别的准确性。实验结果表明，以该模型分析得到的对比度相似性为95．3634%；以该模型为基础的人脸识别系统对光照具有很好的鲁棒性。

针对线性子空间模型在处理具有阴影的人脸图像时出现的不足之处，提出了GLS模型，并将其用于不同光照下的人脸识别。按照测试图像与正确模型间距离尽可能小的原则构造了一个确定最优分组数和子空间维数的标准；采用SVD方法和K平均聚类法将像素分组，并确定每个分组的线性子空间模型；计算测试图像到每个GLS模型中所有分组的线性子空间模型的距离之和，进而识别人脸图像。经假设检验统计表明，基于该模型的方法在处理不同光照下的人脸图像时，效果明显优于其他方法。

环境光照变化、光照分布不均匀会影响彩色图像中人脸的正确检测.在融合了不同的基于空域的解决方案的基础上,提出了一种自适应的彩色图像光照补偿新方法.分别对光照过亮、过暗以及中间灰度区域进行自适应的处理.对亮度值最小、最大的5%的像素,如果这些像素的数目足够多(本文大于100),在变换后分别压缩为0和255;用对数函数做非线性变换函数来修正中间灰度区域.在人脸PIE数据库上对光照不均的彩色图像进行了实验,验证了该方法能对人脸检测中的光照进行有效的补偿.

提出ASPCM模型,并将其用于不同姿势下的人脸识别.对人脸图像的形状表示和纹理表示进行主成分分析,建立形状模型和纹理模型;以形状参数、纹理参数和姿势参数间的转换确定人脸图像与头部角度间的映射关系;使用精确性和概括性两个标准衡量ASPCM模型的分解性能和合成性能;根据平均纹理相似度判断输入图像与模型视图间的相似程度.实验表明,该模型分解性能的精确性误差和概括性误差均在1.85°以内;合成性能的这两种误差均在1.1个像素以内;精确性和概括性的平均纹理相似度均在95.8% 以上;当头部转动角度在25°以内时,该模型的识别率达到100%.

考虑近似图像信息和细节图像信息,提出了GNSA多尺度模型.该模型利用具有1个隐含层和50个隐单元的神经网络建立不同尺度图像间的映射关系;使用反向传播算法训练神经网络,确定这种映射关系;根据该映射关系由低分辨力图像估计高分辨力图像.采用亮度相似性和对比度相似性量化估计图像与目标图像间的相似程度.实验表明,以该模型分析得到的两种相似性分别为89.907%和96.196%;以该模型为基础的人脸识别系统对光照具有很好的鲁棒性.