本文研究了分布式声波传感垂直地震剖面（DAS-VSP）法纵波及转换波智能处理与成像方法，讨论了DAS-VSP形态成分分析法数据去噪技术、DAS-VSP多波智能分离方法和流程，以及基于深度学习的DAS-VSP数据规则化方法。创新性地提出了一种基于最小旅行时的多波VSP成像方法，通过旅行时表控制反射路径附近聚焦成像，比传统地震偏移方法的划弧减少，成像过程中计算覆盖次数，解决了覆盖不均匀成像振幅问题。通过海上斜井DAS-VSP实际数据处理，同时获得DAS-VSP上行纵波和上行转换横波成像剖面，结果显示，DAS-VSP不仅含有反射纵波信息，同时存在较强的转换横波，通过针对性处理后，能够实现DAS-VSP纵波及转换波成像，说明斜井DAS-VSP具备多波成像条件，可获得较高信噪比的纵波及转换波成像数据，多波数据更有利于油气预测和识别，智能处理及多波成像方法为DAS-VSP法用于油气勘探开发提供了新的技术手段。

为有效提升目标跟踪的精确度和实时性，设计了基于多模板匹配的双模型自适应相关滤波跟踪算法。对多模板匹配模型与核相关滤波跟踪模型参数进行初始化处理：多模板匹配模型选取得分函数作为模板与候选样本间匹配准则，通过候选样本得分获取最佳目标，更新多模板后，通过形变多样相似性实现多模板匹配；核相关滤波跟踪模型利用所采集目标样本数据建立循环矩阵，通过训练核化岭回归分类器获取核相关滤波器，并获取响应置信图，再利用响应置信图获取下一帧图像目标位置。通过自适应融合策略获取两个模型所估计目标位置，再采用金字塔尺度估计策略估计目标尺度变化，通过不断更新各模型参数实现目标精准跟踪。实验结果表明，在目标受遮挡或旋转、光照变化等复杂环境下，该算法的中心跟踪误差均低于 15 dpi，平均跟踪精确度均高于 98%，且目标定位时间低于 100 ms，说明该算法在跟踪精确度和实时性上具有明显的应用优势。

研究了行车环境下激光条纹图像中心线快速、准确且可靠的提取方法。基于ENet深度学习模型实现了激光条纹的多区段快速分割;通过统计各区段内光条梯度方向的直方图来确定各分段光条的法线主方向,并构造了相应的方向模板;利用分区域多模板匹配的灰度重心法实现了光条中心的亚像素坐标提取。研究结果表明,该方法可以有效克服室外行车环境中各类干扰信息对光条中心提取的影响,单幅钢轨轮廓图像的光条提取时间仅为2.1 ms,误差均值约为0.082 pixel,标准差为0.047 pixel,兼顾了光条中心提取的时效性和准确率。

为实现图像处理技术在冲压件表面缺陷在线检测中的应用,开发了一套冲压件表面缺陷实时在线快速检测系统。使用基于多模板匹配算法获取图像中冲压件的位置,建立感兴趣区域;提出基于拉普拉斯-高斯(LoG)算子的实时浓淡补正算法实现冲压件表面缺陷的增强;使用大津法和形态学操作实现冲压件表面缺陷位置的提取。系统使用MATLAB实现基于LoG算子的滤波算法;使用LabVIEW实现其余算法,并在其中调用MATLAB 脚本节点;使用多线程技术实现高效的检测算法。经实验,系统能够对生产线上每一个冲压件进行快速检测,并检测出有缺陷的冲压件,整个过程耗时在100 ms以内,能够满足在线实时检测需求。

为了适应视觉跟踪过程中目标外观变化，提高视觉跟踪算法的鲁棒性，本文基于卷积神经网络（Convolutional Neural Network，CNN）并结合多域学习法与多模板管理，提出一种通过树形结构管理多模板的多域卷积神经网络（Multi-Domain CNNs with Multiple Models in a tree structure）视觉跟踪算法。首先使用大量已标记目标位置的视频数据预训练多域结构的CNN，使CNN 卷积层可从图像中提取出适用于跟踪任务的特征。然后在跟踪时中对CNN 全连接层进行微调以适应跟踪目标，并使用树形结构管理存储不同时间段的目标模板得到模板树。使用模板树综合评价待检测帧，估计目标位置。最后按照一定规则将新模板添加进模板树，完成模板的更新。实验表明，该算法对跟踪过程中目标外观的变化有着良好的适应性，同时多模板可抑制CNN 在跟踪时产生的模板漂移问题。

针对跟踪过程中出现的遮挡、尺度变化、光照变化等问题, 文章基于多模板提出深度核相关滤波算法。首先, 多模板算法选取最佳滤波参数优化分类器训练样本的能力, 多特征算法利用多种特征优化目标外观模型提高了跟踪过程的鲁棒性; 其次, 利用深度图信息计算跟踪过程中目标重叠率, 判断目标的遮挡情况, 遮挡时重新定义目标搜索区域, 并判断是否重新跟踪目标, 降低遮挡情况下的算法漂移问题; 最后, 根据目标遮挡情况判断是否更新分类器参数和目标外观模型, 提高模板更新的可靠性。利用Princeton数据库测试算法, 成功率和精度分别达到85.1和98.6, 比第二名算法分别提高了7.04%和4.67%。实验从成功率、精确度方面说明基于多模板的深度核相关滤波算法优于传统算法, 有一定研究价值。

针对目标跟踪中的目标尺度变化、遮挡、光照变化、相似目标混淆等问题，本文提出多特征融合的协同相关跟踪算法。首先，本文用多种特征构建目标外观模型，提高目标模型的鲁棒性，增强跟踪的抗形变能力和抗光照变化能力。然后，利用定点优化策略，解决多模板滤波优化问题，获得最佳滤波参数，通过多模板相关滤波算法估计目标位置，利用改进的尺度池方法解决目标尺度变化问题。最后，利用目标置信度判别跟踪目标是否发生遮挡，当目标发生遮挡时，利用CUR滤波模块重新检测目标，解决遮挡情况下跟踪任务。本文利用OTB-2013数据集中的方法测试本文算法，实验表明本文算法的整体成功率和精确度为0.622和0.830，本文算法在目标发生尺度变化、遮挡、光照变化、相似目标混淆等问题情况下，能准确、可靠地跟踪目标，具有一定研究价值。

针对移动机器人跟踪人体目标时目标因角度大幅变化引起外观改变造成的跟踪无效, 提出了多模板回归加权均值漂移跟踪方法。该方法通过建立目标的多模板模型, 应用均值漂移算法实现目标跟踪。首先, 根据前一帧均值漂移结果和当前帧头肩粗定位结果确定目标模板集, 使其包含目标人体的位姿和角度改变。然后, 采用多模板回归加权均值漂移实现目标的精确定位。在多模板均值漂移中引入回归模型实现颜色纹理特征与目标模型相似度之间的映射, 从而控制模板数量, 保证目标检测的实时性。最后, 分别在视频图像和机器人目标跟踪平台上对所提方法进行实验验证。结果显示, 图像处理平均时间为86.4 s/frame, 满足机器人跟踪的实时性要求。该方法解决了目标特征在跟踪过程中发生变化的问题, 提高了机器人跟踪时对目标人体特征变化的鲁棒性。

针对粒子滤波跟踪算法中粒子多样性退化问题，将改进的遗传算法应用到粒子重采样中，改善了样本的多样性。在改进的遗传算法中，使用了多项式重采样进行优选复制；以特定区间的随机数做交换率进行样本交叉繁殖；使用了马尔可夫链蒙特卡罗移动加高斯白噪声做样本变异繁殖并使用快速MH 抽样算法选取样本。改进后的粒子滤波跟踪算法不但保持了较高的运算效率，而且还较好地提高了跟踪的稳定性。试验表明，改进后的粒子滤波跟踪算法目标跟踪更加稳定，目标定位更加准确。

针对票据水印多目标检测过程中误检率和漏检率高的难题，提出了一种基于先验信息和多模板匹配的票据水印检测算法.该算法采用分级匹配的思想，首先选取初始水印模板进行单模板、粗匹配运算；然后利用票据水印的先验信息计算水印散布区间；接着在水印散布区间内进行多模板、细匹配运算；最后利用先验信息校验已检测到的水印位置，并估算未检测到的水印位置，降低水印检测的漏检率和误检率.仿真实验证明本算法误检率和漏检率低，可以有效地检测票据水印.