本論文では，表情を考慮した全方位カメラを用いた撮影対象が複数人でも適用可能な自撮りシステムを提案する．提案システムでは，まずユーザが全方位カメラを用いて数秒間の動画像を撮影する．次に，撮影した全ての全方位フレームに対して顔検出を行った後，全フレームでの一貫性を考慮して，顔の誤検出を排除するとともに顔の未検出を補間する．次に，全フレームの顔に対して表情認識を行い，特定の表情が撮影対象者全員で最も現れている1フレームを抽出する．最後に，全ての撮影対象者が画角におさまるような透視投影画像を全方位画像から生成する．実験では様々なシーンを用いて提案手法の有効性を示すとともに，プロトタイプシステム構築によって実用性についても検証する．

3次元点群は，LiDAR等の機材によって物体形状を3次元空間上の点の集合として表現する．複数方向から取得したデータの一括した活用には点群間のレジストレーションが必要だが，重複箇所が少ない場合，重複箇所の特定が必要となる．重複箇所を踏まえたレジストレーション手法は複数あるが，点群の特徴に応じた最適化は困難である．本論文では，高精度かつ高速にレジストレーション可能な手法の確立を目指し，SVP(Super Voxel Patch)を用いてパッチ選択に制約を与えた遺伝的アルゴリズムによるレジストレーション手法を提案した．実験の結果，先行研究では局所解に陥り適切な位置合わせができなかったBunnyの3次元点群間のレジストレーションにおいても平均並進誤差が0.05[cm]，平均回転誤差が0.26[deg] の高いレジストレーション精度であることを確認した．

音を画像に変換し，画像情報を用いて音源を識別する方法がすでに提案されている．本論文では複数の音源が同時に鳴動している複合音の識別問題にこの手法を適用し，識別精度の高精度化を図った．従来のスペクトログラム画像に加えてメルスペクトログラム，スカログラム画像を用いた．音源の識別方法として，(1)これらの変換画像を合成したカラー画像を用いた学習モデルによる方法，(2)それぞれの画像から3種の学習モデルを作成し，それらから得られる尤度情報を用いる方法を提案した．音源として室内音4種とそれらが同時に鳴動した合計14クラスの音源識別を行い，最大で90.7%の識別精度を得ることを確認した．さらに，これらの音源に対して15人の実験協力者の聴こえによる主観的な識別を行った．識別率は平均で30％程度であり，識別対象とした音源では提案手法である画像情報による識別がヒトの主観による識別よりも高い結果が得られることを示した．

QRコードは誤り訂正機能を具備するためにRS符号を用いており，その訂正限界まで訂正性能を実現している．その最大訂正率は全データコード語の約30%である．しかし，訂正率約30%はデータコード語の訂正に止まっており，データの読取りに不可欠なファインダーパターンや形式情報の誤りに十分には対応できておらず，広範囲のバースト誤りには対応できていないと言える．そこで，既存の読取り装置の読取りとの互換性を維持しながら，ファインダーパターンや形式情報を分散して追加して配置する．さらに，データコード語部分については2重化を行う．ファインダーパターンと形式情報の追加配置には外郭構造を用いる．データコード語の2重化にはキメラ構造を用いる．これにより2次元シンボル全体について最大約60%のバースト誤りに対応可能になる．