将平面图像转换成立体图像很有意义。Hou等人(2002)提出了一种平面图像立体化方法，称为Hou方法。在这个方法中Hou等人使用随机变量等参数控制转换过程，但没有讨论这些参数对立体效果的影响。该文利用Hou方法在标准的计算机监视器上对含有心理深度暗示的平面图像进行了立体化，给出了评价转换后的立体效果的定量指标，并讨论了各参数对立体效果的影响。实验结果表明：当随机变量矩阵中的每一个随机变量都服从同一种均匀分布时，随机变量的取值对立体效果没有多大的影响；当监视器屏幕与观察者的距离为一个合适的值(例如1m)时，图像子块的个数取不同的值对立体效果没有多大的影响。

该文提出一组基于广义局部沃尔什变换(GLWT)的纹理特征。首先给出局部沃尔什变换(LWT)的定义，并在空域中对其加以推广，用以提取图像的局部纹理信息；然后在一个宏窗口中估计12个GLWT系数的二阶矩作为图像的纹理特征。对这组纹理特征的鉴别性能进行了分析，并与Haralick(1973)，Wang Li(1990)，以及Yu Hui提出的纹理特征进行了比较。实验结果表明，该文提出的纹理特征具有更好的鉴别性能和分类能力。

用H.263标准对甚低码率图像编码时，经过帧间预测后得到的运动补偿数据通常很小，对这些数据再进行DCT和量化后往往成为全零块，Alice Yu算法和周算法是预先判别全零系数块的较为有效的方法，但在对较为复杂的序列图像进行预测时分别出现了较大程度的误判和漏判。针对这些缺点，该文提出了一种新的全零系数块的判别方法，它具有能随量化级的变化自适应地调整全零块的判断阈值、无需任何附加运算和对图像序列内容复杂程度不敏感的优点，将该方法应用于H.263编码器中，对Miss America和News图像序列进行仿真实验。实验表明，大约有40％-80％的块可以在做DCT和量化前被判别为全零系数块，大大减少了编码的时间，同时图像质量的下降控制在0.0005 dB以内。