本研究提出了一种自适应小波滤波器(AWF)，旨在增强眼底OCT图像的纹理特征，从而提高帕金森病的自动筛查性能和可信度。

本研究提出了一种基于局部纹理特征的自动二分类方法，用于锥形束CT中外部颈部吸收（ECR）的识别与评估。该方法能够准确检测ECR引起的微小信号变化，并通过纹理特征的聚类分析帮助区分缺损及识别钙化模式，为ECR的预后生物标志物开发奠定基础。

该研究提出了一种基于图卷积网络的高光谱图像多视角子空间聚类方法，通过利用空间和纹理特征来提高聚类准确性。实验结果表明，该方法在多个数据集上表现优异，聚类性能较高。

本研究提出了一种新方法，使用人工生成的样本和对比训练过程，捕捉待考虑纹理的特征，并从无缺陷样本中推导出有意义的表示，实现对异常得分的计算。实验证明该方法具有竞争力。

通过将边缘检测器作为层核心并设计二进制边缘特征分支（BEFB）来增强深度卷积神经网络（DCNN）的鲁棒性。实验证明，采用BEFB的集成模型在面对多种攻击时具有更高的分类准确性，并且具备了轻量化和不对训练造成负面影响的特点。该研究首次表明通过结合形状类特征和纹理特征可以增强DCNN的鲁棒性。

本文介绍了一种基于纹理和血管特征的混合深度学习网络（TS-SHDL），用于自动分割脑物质，并通过条件随机场（CRF）实现分割。实验结果表明，TS-SHDL网络在MR影像分割方面具有优势和卓越性能。