为了客观评价图像质量, 本文提出联合颜色空间统计特征和权重局部二值模式(Local Binary Pattern,LBP)纹理特征的无参考图像质量评价模型。首先, 对失真图像进行亮度去均值对比度归一化(Mean Subtracted Contrast Normalized,MSCN)操作得到MSCN系数; 然后, 对MSCN系数提取其统计参数特征和权重LBP直方图特征, 其中统计参数由广义高斯模型获得, 权重为MSCN系数的幅度。另外, 还采用了Lαβ颜色空间下红绿和蓝黄分量的自然场景统计(Natural Scence Statistics,NSS)特征来增强基于颜色失真的描述, 并运用非对称广义高斯模型获得统计参数特征。最后, 运用SVR建立图像质量评价指标到主观质量得分的回归模型。在LIVE,CSIQ,TID2013和MLIVE数据库上的实验结果表明: 4个数据库加权平均Spearman秩相关系数为0.776, Pearson线性相关系数为0.821, 均优于其他方法; 图像大小为512×512时特征提取只需0.19 s。本文提出的方法与人眼主观感知具有良好的一致性, 并具有复杂度低等优点。

针对采用单一梯度方向直方图(HOG)特征进行人体检测时易受竖直梯度分量干扰的缺点, 提出了将分块局部二值模式(LBP)特征加入HOG特征的方法。首先, 将检测窗口划分为大小为16×16的不重叠块, 以块为单位统计LBP特征直方图, 并通过大量实验获得了LBP算子的最佳参数; 然后用优化过的插值方式计算HOG特征, 将两者组成联合直方图。最后, 用线性支持向量机(SVM)通过Bootstrapping的方式训练, 得到判别模型。在INRIA人体库上的测试表明, 检出率在误检率(FPPW)为10-4时由原始的89%提高到95%, 单窗口检测速度由0.625 ms提高到0.533 ms。本文将纹理特征加入原始描述轮廓的HOG特征中, 排除了部分梯度干扰信息造成的误检, 提高了检出率。

针对基于压缩感知的目标跟踪算法中存在的特征单一, 在目标纹理变化、光照变化较大时跟踪不稳定、易丢失目标的问题, 提出了多特征联合的实时跟踪算法。该算法以多个矩阵作为压缩感知中的投影矩阵, 将压缩后的数据作为特征来提取出跟踪所需的多种特征。在更新过程中, 针对不同特征在跟踪过程中的稳定性不同, 采取不同速度的更新方法, 使得在目标环境变化时跟踪的鲁棒性仍然很高。对不同视频的测试结果表明, 提出的方法在目标运动、旋转、纹理变化和光照变化的情况下跟踪准确, 在目标大小为70 pixel×100 pixel时平均帧速为23 frame/s, 满足实时跟踪的要求。与单一特征的压缩感知算法相比, 本算法在目标纹理和光照变化很大的情况下仍能完成稳定的实时跟踪。

针对遥感卫星上存在多种CCD相机组合，相机模拟源在地面电测系统及星上遥测数据链存在3种不同模拟任务的需求，利用大规模可编程器件、高速阵列存取技术、锁相环(PLL)频率调整技术和软硬件可编程图像处理技术，研制了一种适用于不同CCD相机模拟任务的模拟源系统。该系统支持多台设备级联，单台设备能够模拟输出4通道的并行16 bit LVDS信号、4路串行LVDS信号和4路串行NECL信号，其单通道并行LVDS数据像素频率为0.3~200 MHz，以0.1 MHz步进可调，且单次循环输出容量最大可达8 TB。通过简单配置，可产生符合CCSDS协议的遥感相机回放数据，并可对实时输出信号的行频和数据时钟相位进行调整。本系统已成功运用于多个型号空间相机的研制测试中，提高了空间相机的研制效率和设备利用率，改善了研制遥感卫星及CCD相机系统的测试验证手段。

为获取高空间分辨率的清晰图像，设计了一种双CMOS成像系统。该系统的两片CMOS传感器可同时获取相同场景的图像，其中一片CMOS传感器获取高帧率、低空间分辨率的图像序列；另一片CMOS传感器获取低帧率、高空间分辨率的运动模糊图像。首先，通过光流法计算高帧率、低空间分辨率CMOS传感器获取图像序列的全局运动路径，在能量守恒和能量与积分时间成正比2个约束条件下估计运动模糊核初始值，通过贝叶斯准则交替迭代优化运动模糊核。最后，利用TV-L1方法从低帧率、高空间分辨率CMOS传感器获取的模糊图像中快速、有效地恢复出清晰图像。仿真和实验结果表明：有38%以上的仿真图像复原结果误差率小于2，且受噪声影响小，复原图像的振铃小。另外，能有效去除实拍图像的空间移不变运动模糊。

利用数字通信的压扩变换原理，提出了12位图像数据到8位数据的16折线等比分区映射方法，来实现在8位显示器上显示12位图像数据的信息。推导出图像信号的线性量化和非线性量化信噪比公式，对3种不同量化方法的信噪比进行了比较。结果显示，在小于35 dB处，8位非线性量化信噪比和12位线性量化信噪比一致；而大于35 dB时，量化信噪比平缓稳定上升。实验表明该方法能有效改善图像的弱信号,在8位显示器上清晰地观察到低亮度图像细节。虽然对图像的高亮度部分进行了压缩，但对图像细节和信噪比影响不大。该方法不仅适用于灰度图像，而且适用于彩色图像，实验效果与理论预期完全一致。