利用非线性扩散滤波构造尺度空间,将Hessian矩阵的弱边缘检测能力与Laplace算子的强边缘检测能力相结合,以Hessian矩阵行列式与Laplace算子之比作为特征判据,提出了一种基于非线性扩散滤波的图像特征检测算法,并对点和线仿真图像、Mikolajczyk标准数据库、SALSA偏振相机获取的真实场景图像进行了性能验证。结果表明,所提算法能够检测出图像的强边缘、弱边缘和角点特征,受光照、对比度影响较小,稳健性好。

为了使融合后的多聚焦图像细节特征丰富且边缘清晰,提出一种基于快速有限剪切波变换(FFST)与引导滤波的图像融合算法。利用FFST将源图像分解为低频系数和高频系数。在融合低频系数时,定义一种改进的拉普拉斯能量和(NSML),并设计一种基于区域NSML的低频系数选择方案;针对高频系数富含细节信息的特点,提出一种基于引导滤波的区域能量加权融合算法。然后,通过逆FFST获取最终的融合图像。对比实验结果表明,所提算法在主观视觉效果与客观评价指标方面都取得了较好的结果。

KAZE特征检测与描述算法在图像匹配方面具有较好的性能。然而, KAZE算法中Perona-Malik(P-M)模型的解不具有唯一性, 而且图像弱边缘在尺度空间中易被平滑。为此, 提出一种改进的KAZE特征检测描述算法(CKAZE)。首先, 基于KAZE原理与能量泛函构建自适应扩散滤波函数; 然后, 研究解的唯一性及图像滤波过程中的边缘保持能力; 最后, 提出CKAZE算法, 利用Mikolajczyk标准数据库图像进行特征匹配实验, 对其性能进行验证。结果表明, 对高斯模糊、光照、旋转缩放、视觉变换而言, CKAZE算法的特征匹配正确率分别较KAZE算法高4.555%、2.138%、0.656%、1.981%, 特征检测和描述的精度提高。