针对SiamMask不能很好地适应目标外观变化，特征信息利用不足导致生成掩码较为粗糙等问题，本文提出一种基于自适应模板更新与多特征融合的视频目标分割算法。首先，算法利用每一帧的分割结果对模板进行自适应更新；其次，使用混合池化模块对主干网络第四阶段提取的特征进行增强，将增强后的特征与粗略掩码进行融合；最后，使用特征融合模块对粗略掩码进行逐阶段细化，该模块能够对拼接后的特征进行有效的加权组合。实验结果表明，与SiamMask相比，本文算法性能有明显提升。在DAVIS2016数据集上，本文算法的区域相似度和轮廓相似度分别为0.727和0.696，比基准算法提升了1.0%和1.8%，速度达到40.2 f/s；在DAVIS2017数据集上，本文算法的区域相似度和轮廓相似度分别为0.567和0.615，比基准算法提升了2.4%和3.0%，速度达到42.6 f/s。

针对被动式太赫兹安检的检测需求, 提出一种基于最大二维熵的隐蔽目标分割方法。该方法设计了一组适用于被动式太赫兹图像的滤波器组, 实现噪声过滤和图像增强; 设计了一种待检区域自生成的算法, 实现对重点检测区域的自动覆盖; 同时, 引入二维熵的概念, 实现对待检测区域内的隐蔽目标的轮廓分割。在 0.2 THz频段的被动成像下开展了评估和对比实验, 实验表明本文方法具有较好的分割效果和实时性能。

针对主动太赫兹成像中存在的图像品质差以及藏匿物品类别多样、训练样本稀缺且类别不平衡等问题,提出了基于用条件生成对抗网络构建的Mask-CGANs模型的目标分割网络和基于RetinaNet的目标检测识别网络,实现了太赫兹图像中藏匿物品的多目标分割和检测识别。针对分割任务提出的约束损失函数和网络结构,使模型在召回率和虚警率之间达到平衡且降低了对训练样本规模的要求。针对检测任务采用的损失函数提高了训练样本不平衡条件下的检测精度。

针对模板匹配过程中强遮挡、剧烈背景变化及物体非刚性形变等难题, 本文提出了一种基于多尺度显著性区域提取的模板匹配算法。算法采用多尺度-显著性特征并行提取的方式: 一方面利用空间金字塔模型将参考图像中的模板和待匹配图像中的目标区域分割成不同尺度的网格, 采用可形变多相似性度量方法(Deformable Diversity Similarity, DDIS)计算不同尺度下的匹配得分; 同时, 算法提取模板区域的显著性区域图, 形成模板区域的显著性得分; 随后, 利用显著性得分对不同尺度的匹配得分进行加权融合, 在融合得到的匹配得分图上寻找最佳匹配区域。算法与取得目前最好结果的DDIS方法相比, AUC(Area Under Curve)指标提升2.9%。实验结果表明, 显著性区域提取使匹配方法更加关注目标物体, 削弱背景及遮挡物体对其影响, 从而增强模板匹配方法对于背景变化及遮挡的抵抗能力。另外, 空间金字塔模型能够增强模板匹配方法对于物体不同尺度下的特征提取, 如物体的局部轮廓及结构特征等。二者结合有效地提高了匹配精度。

近年来,智能机器人技术逐步成熟,以目标识别为代表的机器视觉技术是其核心。现有目标识别算法通常先根据颜色信息分割场景,再提取特征以识别目标。但对于颜色信息比较复杂的场景,往往存在过分割现象,影响后续目标识别。针对这一问题,提出一种基于局部特征的多目标图像分割算法。该算法使用双目摄像头采集场景图像,对场景图像进行预处理,同时通过立体匹配得到场景的深度信息;结合深度信息确定目标区域;设计动态阈值的尺度不变特征变换(SIFT)算法以提取目标区域的局部特征,将局部特征转化为特征约束;基于区域约束、特征约束和空间信息组成的特征向量进行聚类分割,得到最终分割结果,同时实现对每个目标区域的识别。实验结果表明,在颜色特征复杂的场景中,本文算法的整体误差率小于10%,与已有算法相比降低了15%以上。

为了提高夜视系统的质量以及目标探测性能，设计了红外视频运动目标与可见光融合夜视侦察系统。系统在硬件处理平台上实现了基于人眼视觉的红外运动目标分割算法和基于目标特性的加权融合算法，采用红外运动目标分割电路和融合处理电路互联的结构，首先利用FPGA为核心的红外目标分割电路提取红外视频中的运动目标，然后将只有红外运动目标的视频输入后端DSP融合处理电路中进行融合处理，最后从系统中输出一系列目标形态突出、背景细节清晰的融合序列。实验结果表明：该系统可以提高夜视融合系统目标探测性能和探测概率，融合结果的各项评价指标提高了90%以上，有的评价指标甚至提高了7倍以上，可以很大程度地降低系统的虚警率。

从复杂、动态多变的交通图像中准确提取障碍物的轮廓曲线是智能汽车的一个重要研究课题，它对行人保护起着十分重要的作用。Snake模型是用来自动提取物体边界的曲线模型。结合立体视觉技术和Snake模型以实现行人检测：运用基于稠密视差的立体分割方法查找并分割潜在行人目标区域，为了便于后期目标轮廓提取，基于边缘检索的立体匹配算法被进一步用于提取感趣区(ROIs)内的目标初始边界；在此基础上，用Snake模型提取目标的完整轮廓曲线；轮廓因子及目标高程被用于ROIs的验证，即行人识别。针对Snake模型易受噪声干扰及难以收敛到凹陷边界等缺陷，提出了改进的距离势能模型。以典型交通场景为分析对象，对所提出的方法进行了测试，得到了较为理想的结果。

提出了一种基于分形理论的改进型二维最大熵红外图像阈值分割算法。该算法利用图像分形维数挖掘像素的 空间分布信息，然后将原图像灰度及其分形维数映射图像灰度相结合组成二维随机向量，并构造出联合离散概率分布。在此基础上，以 二维最大熵原则来确定一个最佳二维分割阈值，进而取得分割结果。实验结果表明，该算法在分割效果上优于传统的二维最大熵分割算法。

针对H.264压缩域内运动目标分割算法所存在的弱自适应性和抗噪能力差等问题，本文提出了一种基于脉冲耦合神经网络的压缩域运动目标分割方法.该方法采用时空域矢量均值滤波对运动矢量进行预处理，减少运动目标丢失率，并设计了前后向矢量累积方法，增强运动矢量的可靠性.基于脉冲耦合神经网络设计的融合模型可以将累积后的运动矢量和宏块模式进行融合处理，增强分割算法的抗噪能力，保证加快分割速度的同时兼顾运动区域的分割准确度.另外，采用最小交叉熵作为点火终止判断条件，实现了最佳分割模板的自适应获取.仿真实验表明，本文算法在自适应性和抗噪能力方面均有较好表现，可以准确分割出监控视频中的运动目标.