为了提高智能车辆道路识别的准确性和效率，设计了一种基于平行边缘特征的道路检测算法。提出了基于边缘连接的道路区域快速粗分割方法；对边缘点局部直线的检测和方向进行编码，利用竖直线实现了极大可能道路区域的估计；基于方向一致性判别准则，实现了极大可能道路区域内平行边缘的识别算法；提出了三个道路识别准则，综合运用平行边缘、道路的区域位置信息，实现了道路特征的准确识别。实验结果表明，本文算法能够快速并准确的提取典型的直线和弯曲道路模型中的道路区域，比以往算法在速度和准确性上都有较大的提升。

针对高分辨率遥感图像中道路、建筑物和水域等的特征识别难题，提出了一种基于边缘局部方向信息的平行边缘自动识别算法。该算法首先定义平行边缘由一系列相互平行的短直线组成；然后提出了交叉点共线约束的8-邻域边界追踪和9-像素滑动窗口内直线检测算法，实现了边缘连续线条局部方向信息编码；最后通过分析连续线条结构及方向编码规律，提出了主元分析及方向一致性判别准则进行平行特征识别。实验结果表明，该算法能够有效提取高分辨率遥感图像中具有最近邻关系的平行直线和曲线特征，平均识别准确率在95%以上，但算法执行速度有待提高。

基于二值图像边缘像素和方向编码,提出一种以灰度图像为载体的双层隐写方法。嵌入载体数据的秘密信息分为两部分:第一部分利用二值图像边缘像素嵌入信息,利用一组完备的规则,能够准确判断边缘像素是否可以承载嵌入数据,保证嵌入数据的无差错盲提取;第二部分利用方向编码对载体数据加权和负载。该方法具有实现简单、嵌入信息量大、图像失真小的优点。

为了探测敌方激光的来袭方向，开发了一种激光脉冲方向告警系统。该系统由光学模块、信号处理模块和显示模块组成，其探测范围为水平方向0°~360°，垂直方向0°~90°，角度分辨率30°，识别出波长为0.85，1.06和1.54 μm，脉宽不小于10 ns的激光脉冲，探测功率密度下限为1 mW/cm2，其探测概率达到98%以上，并可实时报警。与同类装置比较，该系统角度分辨率进一步提高，探测功率下限满足了实际探测距离为5~10 km的探测需求。

从建筑物图像中提取直线是视觉导航、特征识别和遥感影像处理等很多应用中的关键步骤。针对复杂建筑物图像，提出了一种基于边缘方向图的直线特征提取算法。该算法在Canny边缘的基础上，提出边缘方向编码策略，能过检测9×9局部窗口内的直线，将边缘拆分成直线、曲线和点的组合，生成了一种新的直线检测辅助图像——边缘方向图，并通过分析边缘方向图中连续线边缘的方向分布，结合直线误差判别准则和稀疏直线拟合识别直线。实验结果表明：该算法的直线检测性能优于Hough变换和相位编组等经典方法，对建筑物图像的直线检测准确率高，误判率、漏检率低，算法稳健性强。

针对MSA(Multi-Scale Autoconvolution)算法对光照变化敏感且在进行目标搜索时计算量大的缺点，提出了一种结合MSA和方向编码的快速景象匹配算法。首先，求待匹配图和模板的方向编码图，以消除光照变化的影响；其次，对方向编码图进行分块处理，分别求取各子块的MSA值，在每个搜索位置，只更新MSA值矩阵的一行(列)，这样使计算量减少到不足原MSA算法的1/8。用cameraman图像和实际卫星拍摄图像进行实验，结果表明，改进后的算法不仅对仿射变换、轻微透视投影变换、噪声及遮挡具有鲁棒性，同时可以抗光照变化的影响，且搜索速度更快，在实际拍摄的图像中能对目标进行准确识别和定位。

由于灰度图像的信息单一、缺乏描述目标的信息,且易受到光照的影响,导致Mean shift算法在灰度图像跟踪中的应用不稳定,我们采用结合灰度与方向编码特征建立目标模型的策略,提出了在灰度图像中以Mean shift为核心的人脸跟踪算法。实验结果表明,该算法可以成功的克服混乱、遮挡、光照变化以及目标自身的缩放与旋转的影响,并且计算量非常小,对于大小为48像素×68像素的目标,整个算法的计算时间仅为34ms。

Mean－shift算法是一种非参数密度估计算法，可以实现快速的最优匹配，在目标的实时跟踪领域起着非常重要的作用。为了有效的将Mean－shift算法应用到灰度图像中，采用了以方向直方图建立目标模型的策略，提出了在灰度图像中以Mean－shift为核心的目标跟踪算法。实验结果表明，该算法具有不受光照条件影响的优点，在低对比度的情况下仍能实现稳定、实时的跟踪目标。