三维点云边缘提取算法已被广泛用于海岸线的提取中。相较于海岸线，河岸线存在高程变化大、易被树木遮挡等问题，将海岸线提取算法直接应用于河岸线提取存在较多的局限性。本文提出了一种基于线扫描激光点云的复杂环境下河岸线精确提取的方法，实现了河流岸线高程不一致、河岸被树冠遮挡情况下河岸边缘点的精准提取。设计了一种自适应高程阈值动态调整方法，通过对高程进行实时统计，使得高程阈值能够自适应地变化并克服树木遮挡造成的岸线不连续的问题，以此获取更加真实的岸线信息。同时，将法向渐变作为约束条件，能在实现对提取的边缘点云滤波的同时构造出完整、平滑的河岸矢量线。最后，利用真实无人机载激光雷达数据验证了本文所提方法的有效性和精度。本文方法获取的岸线与真实岸线的均方根误差分别为0.2018 m和0.2675 m，本文方法获取的河岸线具有较高的完整性。本研究为复杂情况下的河岸边缘提取提供了一种高效精确的方法。

胰腺的自动分割一直是医学图像分割中一项具有挑战性的问题。胰腺是一个具有高度解剖变异性的器官, 目前的多图谱分割方法很难对胰腺的边缘产生精确的分割。针对这一问题, 采用了基于多图谱配准的分割算法对胰腺进行分割, 优化了一种局部动态阈值的后处理方法。在标签融合阶段, 采用概率阈值融合算法、Majority voting(MV)算法、STAPLE算法和SIMPLE算法四种标签融合算法进行对比。在后处理阶段, 采用局部动态阈值处理方法, 首先通过初步分割结果对目标图像提取目标区域, 然后自动确定阈值实现该区域的二值化, 最终与初步分割结果取交集作为最终分割结果。采用留一交叉验证策略对80例NIH胰腺CT图像和22例来自上海本地医院的胰腺CT图像进行分割, 最终得到的DSC分别为79.98%和81.30%。实验结果表明, 所提方法实现了对胰腺的有效分割。

针对自动驾驶领域中的道路标线提取问题，本文结合道路结构特征和点云回波强度信息，提出了一种道路标线提取方法。首先，采用布料模拟滤波算法获取地面点云；其次，使用基于法向量的区域生长法提取路面点云；然后，采用反距离加权插值法将路面点云投影成强度特征图像，并将其分割成多个子图像，利用最大类间方差将子图像分为纯块和杂块，根据纯块与原始图像灰度均值的相对大小来确定纯块的分割阈值，根据最大类间方差算法确定杂块的分割阈值；最后，经阈值分割、形态学滤波去噪、点云反投影后得到道路标线点云。实际道路的验证结果表明，所提方法的召回率达到92.8%，准确率达到96.8%，综合评价指标达到94.8%，能提取比较完整的道路标线。

铁路轨道的局部变形直接影响火车的高速安全行驶。为实现铁路轨道的自动化巡查，提出一种从车载激光点云中提取轨面与枕木的方法。首先，利用基于高程约束的欧氏聚类对原始点云数据进行预处理，得到路基区域；然后，对路基区域进行网格划分，并对每个网格内的点云进行高程判断，从而提取出轨面点云；最后，利用枕木与砟石的几何形态差异，设计出一种面向轨道点云的动态阈值分割方法，以提取枕木点云。对多个路段的铁路轨道进行实验，结果表明，本文方法仅利用点云坐标信息就能实现不同区域的轨面与枕木的自动检测，平均提取质量分别达到97.8%和93.6%，验证了本文方法的可行性与有效性。

ViBe算法检测首帧中的运动目标时，常因运动目标在初始位置停留时间过长而产生伪前景，从而导致检测结果准确性降低。针对这一问题，对ViBe算法进行了改进。通过选择颜色和空间位置相近的像素点作为样本集初始化背景模型，并使用熵值法判断颜色和空间位置在相似程度函数中的权重；在分类时基于迭代法确定自适应阈值，以增强不同条件下的分割精度；结合帧差法的判定结果在二元指数分布模型中确定背景模型的更新概率。实验结果表明，该算法在噪声、光照以及背景变化的情况下仍然能保证检测结果的准确度，对比传统ViBe算法，本文算法的精密度提高了21.56%，有效地消除了鬼影的影响。

为了有效剔除无效目标，降低雷达虚警概率，提出一种基于雷达环境噪声统计和目标功率分布特性的动态阈值计算方法。运用直方图统计方法估计每个距离门的噪声水平并对其进行峰值搜索找到局部峰值点，同时根据不同距离门雷达信号衰减的强弱，动态分配阈值增益，得到自适应峰值检测阈值。然后将局部峰值点作为参考单元的信号，并将其输入到检测方法中求解检测门限。实验结果表明，所提方法能够有效识别雷达在实际复杂应用场景下的目标。

针对量子图像拼接使用传统尺度不变特征变换(SIFT)算法易造成 特征点数量不合理和误匹配率高的问题,提出基于动态阈值和全局信息的SIFT量子图像拼接算法。针对特 征点数量问题,利用特征点数量与量子点或量子环数量呈正比例关系这一特性,通过量子点或环的密度对SIFT算法 的对比度阈值进行设置,以得到合适的特征点数量。针对误匹配率问题,通过构建全局信息描述子,并与SIFT局部描 述子相结合,以降低误匹配率。实验结果表明:改进的算法有效地完成了量子环、量子线和量子点图像的拼接; 将量子图像的特征点有效地控制在一个合理的范围内,并将误匹配率从17.34%～33.02%降低至10.84%～20%, 使量子图像的拼接具有更好的可靠性。

基于互补氧化物半导体(CMOS)相机卷帘快门效应的可见光通信系统比特速率越高, 拍摄的图片中每个比特对应的像素列数越少, 且像素灰度值波动加剧, 严重影响数据解调性能。针对这一问题, 文章提出采用全局和局部两个动态阈值判决结合分段降采样的解调算法, 首先由图片中全部待解调列的灰度值拟合得到全局动态阈值, 判决后检测出所有数据帧头位置, 然后根据各帧对应列的灰度值分别拟合出局部阈值, 最后对各帧判决结果分段降采样恢复原始比特序列。实验结果表明, 当相机卷帘快门的列扫描频率为103.68 kHz时, 能正确解调的最小比特分辨率为2.962, 对应的最大比特速率和有效数据速率分别为35和10.8 kbit/s。

为了提高地形起伏较大区域点云的滤波效果,提出了一种基于动态阈值获取点云的滤波算法。该算法分为两个阶段,初次滤波以获取更为准确的地面点为前提,二次滤波优化以初次滤波获取的地面点为基础,从而获取不同区域的高差阈值,根据这些阈值再对原始点云进行滤波。实验结果表明,相较于其他经典算法,所提算法能够获得更小的Ⅰ类误差和总误差,在滤除地物的同时能够有效地保留地形特征。

新一代静止轨道气象卫星Himawari-8静止气象卫星具有空间分辨率高可持续性观测的特点,对海雾监测具有重要的意义。 星载激光雷达(Cloud-aerosol lidar with orthogonal polarization, CALIOP)可以探测大气的垂直剖面信息。利用CALIOP 数据进行海雾检测,获得4类样本点:中高云、低云、海雾和海表样本点,并将这些样本点用于Himawari-8 日间海雾检测的 通道选择和动态阈值设定的研究中,建立一套Himawari-8日间海雾检测算法。利用CALIOP和中国气象局国家卫星气象中心的 气象卫星雾监测报告数据对海雾检测方法进行验证。对比CALIOP数据,海雾检出率63.42%,漏检样本点中晴空海表占比71.54%; 对比雾监测产品,海雾检测率89.7%。结果表明,提出的海雾检测算法是可行的。