通过提出基于梯度上升优化处理的自适应分块算法与基于图像序列梯度域运动检测与去除相结合的方法，自适应调整分块大小及动态区域块的融合权值，最终达到混淆去除的目的。同时，利用Gaussian中心函数窗口滤波，去除在分块融合过程中引入的块边缘不连续性痕迹。实验结果表明，该方法能快速有效地增强多曝光图像融合生成HDRI并去除混淆问题。

自适应分块的BIM墙体轮廓提取及三维重建研究.pdf

针对在道路导向箭头的检测和识别中支持向量机(SVM)多分类器的识别效率下降的问题，提出一种利用简单二分类SVM通过对结果的自定义二进制编码实现导向箭头多分类的方法。对导向箭头感兴趣区域(ROI)图像进行Harris角点粗检测，利用改进FAST-9(Features from accelerated segment test-9)算法对伪角点进行筛选，根据最终获取的角点集合中纵坐标最大的两个角点位置分割图像获得待识别区域；再利用几何不变矩特征训练SVM分类器；对分类结果进行二进制编码，从而实现单一种类SVM下多种导向箭头的分类。算法在实拍获取的500帧图像中进行测试，识别率优于96.8%。结果表明：所提算法不需逆透视变换，利用一种SVM二分类器即可实现导向箭头的识别，有效提高了导向箭头识别的准确率和运行效率。