针对高速摄像条件下双目同步立体匹配存在困难的问题,提出了一种基于双目相机的空间直线运动轨迹快速测量算法。在建立了摄像机空间坐标系的基础上,基于小孔成像原理以及目标点与对应点的映射关系,构建了成像模型。对算法原理的实验验证表明,通过遍历点对组合并对其测量结果求平均值可减小误差,验证了原理的可行性与算法的有效性。

为了抑制超分辨图像重建过程中的振铃锯齿效应，本文提出一种多正则化形式的超分辨率重建算法。文章首先给出了图像降质模型并推导出了图像重构约束项。利用重构项直接对低分辨率图像进行重建，获得的高分辨图像会有锯齿和振铃效应。针对此问题，本文利用自回归模型和滤波器组先验来正则化重建过程。自回归模型用来恢复图像局部细节描述，与此同时本文利用自然图像块的聚类集来估计自适应自回归模型参数。滤波器组先验用来约束重建图像的边缘，使得获取的高分辨率的图像边缘更加锐利。最后通过实验定性与定量的分析，证实了本文算法优于其他具有竞争力的算法。

由于自然图像先验模型的概率密度函数的非高斯性(稀疏性的)会导致图像复原的最优化函数不再是凸的，传统意义上的最大后验估计已不能很好地求得最优估计解，因此本文提出利用自适应权值矩阵来解决这一问题。进行图像复原时，首先利用自然图像先验模型有效地抑制振铃效应，然后利用基于自适应权值矩阵的共轭梯度算法来解决由于稀疏先验模型导致的最优化函数非凸的问题。权值矩阵可根据上一次的迭代结果进行更新，并能够纠正图像在上一次迭代过程中局部区域导数估计的错误。实验结果显示，利用本文方法得到复原图像的峰值信噪比(PSNR)为36.131 6，优于其它算法。最后，用本文方法对全景图像进行复原，得到了很好的复原效果，证明了本文方法的实用性和有效性。

改进了传统的尺度不变特征变换(SIFT)算法, 使其在进行图像匹配的同时, 可以求取出物体的旋转角度。首先, 利用SIFT特征对旋转保持不变的特性, 按照原算法提取出旋转前后两幅图像的SIFT特征, 分析特征点主方向的计算过程, 记录每个特征点主方向的角度值进行特征匹配。然后, 计算出每对匹配的SIFT特征点的主方向角度之差, 得到特征点的旋转角度; 采用迭代自组织聚类的方法分析得到的特征点旋转角度数据, 依据类内方差和类内样本数目, 选取正确的样本类。最后, 选用该样本类的均值作为物体的最终旋转角度。实验结果表明, 该方法在图像畸变不大时的误差在3°以内, 即使在部分遮挡的情况下, 也能较好地计算出旋转角度。在时间复杂度增加不大的情况下, 使SIFT算法具有了计算旋转角度的功能, 拓宽了应用方向。