该文利用飞行时间(Time-Of-Fligh, TOF)相机提供的距离图像，在运动历史图像的基础上提出一种基于多层运动历史图像的人体运动识别方法。计算距离轮廓序列的运动能量图作为整体运动信息，同时根据距离变化量，计算前向、后向的多层运动历史图像作为局部运动信息，共同组成多层运动历史图像。为了解决Hu矩对不连续或具有噪声的形状较为敏感的问题，引入R变换对每层运动历史图像进行特征提取，串联形成特征向量送入SVM进行分类识别。实验结果表明，该识别方法可以有效识别人体运动。

基于深度卷积神经网络的图像超分辨率重建算法通常假设低分辨率图像的降质是固定且已知的，如双3次下采样等，因此难以处理降质(如模糊核及噪声水平)未知的图像。针对此问题，该文提出联合估计模糊核、噪声水平和高分辨率图像，设计了一种基于迭代交替优化的图像盲超分辨率重建网络。在所提网络中，图像重建器以估计的模糊核和噪声水平作为先验信息，由低分辨率图像重建出高分辨率图像；同时，综合低分辨率图像和估计的高分辨率图像，模糊核及噪声水平估计器分别实现模糊核和噪声水平的估计。进一步地，该文提出对模糊核/噪声水平估计器及图像重建器进行迭代交替的端对端优化，以提高它们的兼容性并使其相互促进。实验结果表明，与IKC, DASR, MANet, DAN等现有算法相比，提出方法在常用公开测试集(Set5, Set14, B100, Urban100)及真实场景图像上都取得了更优的性能，能够更好地对降质未知的图像进行重建；同时，提出方法在参数量或处理效率上也有一定的优势。