为更好地保持修复后图像的结构连贯性及与邻域信息的连续一致性，提出了联合4方向特征的全局优化图像补全算法。该方法利用Curvelet变换提取图像的水平，垂直，正对角及反对角4个方向的特征。在构造数据项和平滑项能量时，利用4方向特征与颜色信息共同衡量样本块间的相似性，以此构造符合人眼视觉要求的全局能量约束方程; 同时自适应确定计算数据项和平滑项能量的样本块尺寸。最后利用图割算法求取全局能量的极小值，获得修复图像。实验显示: 与现有算法相比，提出算法可以获得更优的修复结果，其峰值信噪比(PSNR)平均值比现有算法至少高出2 dB，验证了提出算法的有效性; 结果也表明: 提出的算法可以更好地保持图像结构的连贯性及修复区域内的连续一致性，能满足人眼视觉需求。

为解决现有去雾算法结果中存在的光晕现象、颜色失真等问题, 提出一种基于边界邻域最大值滤波的图像去雾方法.首先通过边缘检测寻找图像边界被低估的暗原色值并对其进行边界邻域最大值滤波, 以得到更为准确的透射率图来消除光晕现象; 其次对暗原色图乘以一个尺度因子, 扩大透射率的取值范围, 提高去雾结果的对比度; 最后设置两个亮度阈值以及一个平坦阈值, 消除图像中高亮度物体的影响, 获得更为准确的大气光值, 使得去雾结果颜色保真度较高.仿真结果表明, 与现有去雾算法相比, 本文算法对含高亮度物体以及含细节信息的带雾图像, 均可消除光晕现象, 获得高对比度及高颜色保真度的去雾结果, 同时也提高了算法的处理速度.

为解决当前遥感图像飞机检测方法在复杂背景下准确率低, 实现旋转不变困难的问题, 结合图像稀疏表示原理, 提出一种基于稀疏表示的飞机检测算法.该算法首先利用飞机是刚性目标且具有明显几何外观的特点, 构建飞机几何原子库; 然后建立飞机轮廓几何逼近的最优化方程, 在稀疏表示原理框架下, 得到飞机轮廓最优的几何部件组合; 最后, 以星型结构的部件模型为框架, 生成待检测图像的目标显著图并根据显著图定位出飞机.实验结果表明, 稀疏表示方法能自适应选取飞机部件, 部件数目较少且不易受光照、颜色和复杂背景的影响.与现有算法相比, 本文算法准确率达90%以上, 检测速度有较大的提高.

为了增强多光谱图像的空间分辨率同时避免出现严重的光谱扭曲，对插值放大后的多光谱图像和原始全色图像分别作相同层数的非下采样轮廓波变换分解.在相应低频子带中，分别选取以待融合像素点为中心，大小为5×5的滑动窗口，计算待融合像素点的局部相关系数与四阶相关系数.如果局部相关系数大于四阶相关系数，说明该位置上的地物存在相似的光谱特征，因此用全色图像的高频系数替代多光谱图像的高频系数；反之，保持多光谱图像的高频系数不变.最后将多光谱图像的低频系数和替换后的高频系数进行非下采样轮廓波逆变换得到融合图像.采用Landsat 7遥感图像，对比给出了本文与现有同类最新文献融合结果及其主客观评价指标.实验结果表明，本文算法在提高空间分辨率与保持光谱信息两个方面都具有较好的效果.