针对全变分(total variation，TV)模型在图像去噪过程中易于产生“阶梯效应”的缺点，提出了一种改进的二阶总广义变分(total generalized variation，TGV)图像去噪模型。新模型中，利用Kirsch边缘检测算子提取到的图像纹理信息，在二阶TGV去噪模型的正则项中引入一个边缘指示函数引导扩散。实验表明，与经典的TV去噪模型和二阶TGV去噪模型相比，新模型无论是在视觉效果上还是在峰值信噪比(PSNR)和均方误差(MSE)方面都有明显的改善，在有效地去除噪声的同时自适应地保护图像的边缘信息和细小的纹理结构信息。

相位—高度映射系统标定对相位测量轮廓术三维重建与检测的精度起到决定性的作用, 主要研究拟合阶次对基于多项式拟合的相位—高度映射系统标定精度的影响。通过1~6阶次的多项式拟合标定和三维高度重建, 发现拟合阶次为1~4时可以取得较好的高度重建精度(绝对误差Δ< 5 μm)。对1~4阶次的多项式拟合标定系数进行进一步地研究分析, 并发现当拟合阶次为2时, 拥有较高的重建精度(绝对误差: Δ= 1.36 μm; 相对误差: δ = 1.34%)和稳定性(平均标准差: [σ]= 0.262)。

相位测量轮廓术在物体三维重建与检测技术中有着广泛的应用，其三维重建过程可分为3 个部分：结构光栅的产生和投影，相位提取与相位展开和相位-高度映射系统标定。相位-高度映射系统标定对三维重建精度起到决定性的作用。因此，相位-高度映射系统标定成为相位测量轮廓术三维重建研究中的热门课题。本文对三维重建和相位测量轮廓术的基本原理做简要介绍，然后详细介绍相位-高度映射系统标定的研究现状。

在工业视觉检测中, 摄像机的视野尺寸远远小于印制电路板的尺寸, 单个视野下无法满足整个电路板上锡膏的检测, 需要移动摄像机(称为摄像机走位)进行多次拍摄。在传统检测中, 对印制电路板进行整版扫描和拍摄(即使无锡膏的位置), 降低了锡膏的检测效率。针对此情况, 提出一种解决方案: 通过电路板上锡膏的定位数据, 搜索满足所有待检测锡膏都包含在摄像机视野内的最少摄像机视野数, 并记录每个视野的中心位置, 然后计算中心位置之间的最短移动路径, 最后以此路径作为锡膏检测的摄像机移动路径。实验表明, 与传统方法相比, 文中提出的方法避免了无锡膏位置的拍摄, 提高了检测速度, 降低了检测成本。

在大规模生产太阳能电池板过程中,由于生产工艺的影响,部分电池板表面会产生颜色深浅不同的花纹(又称为晶花)。用户常常要求厂家对不同花纹的电池板进行分类供应。为此,提出了一种人工智能分类识别系统。系统以太阳能电池板的表面花纹深浅程度为分类依据,对太阳能电池板进行分类识别。系统首先使用局部二值模式(LBP)算子作为分类特征,将电池板分为“有晶花”和“无晶花”两类,然后使用局部对比度作为分类特征,对 “有晶花”一类细分为“强晶花”和“弱晶花”两类。为了满足生产线快速、准确分类的要求,系统使用了BP神经网络作为分类器。实验结果表明,分类系统速度快、准确率高,能够满足实际的生产线需求。

在传统的面结构光(正弦条纹光栅)的三维轮廓重建与检测中, 由于投影仪与相机互成一定角度, 在待测物体的背光面会产生大面积的阴影区域, 从而不能够精确地进行物体的三维重建和检测。针对此情况, 提出一种解决方案: 使用两个对称的投影仪分别向待测物体投影一次白光, 并通过CCD相机取像, 然后通过拍摄的图像计算出物体的阴影位置, 最后实现阴影位置的三维数据补偿。实验结果表明, 文中提出的算法可以有效地进行阴影区域的数据补偿。

数字化X射线图像(digital radiography, DR)与数字重建放射图像(digitally reconstructed radiography, DR)属于不同模态图像, 实现二者的高精度快速配准是一个技术难题。在实际应用中, 往往会同时获取物体的正侧面DR和DRR图像。提出一种基于互信息与梯度信息相结合的配准算法。首先, 对正侧面图像进行小波分解, 获得低分辨率子图像并配准, 使用粒子群优化(particle swarm optimization, PSO)算法进行全局寻优; 然后, 根据配准结果, 判断互信息与梯度信息配准结果是否正确, 如果配准错误, 则在下一阶段中不使用该结果作为配准依据; 最后, 以PSO算法寻优结果作为Powell算法的寻优初始点, 对原始正侧图像进行精确配准。实验结果显示, 本算法快速完成配准, 配准精度达到2 mm, 满足实际应用要求。

16位灰度图像常用在某些需要高精度的图像处理与分析中, 但由于其灰度范围过大, 需要调窗处理才能获取感兴趣的信息。采用人工手动调窗需要用户具有丰富的经验才能得到清晰的图像, 并需要一定的时间, 因此会降低用户的工作效率。现有的自动调窗算法不能很好地处理各种直方图分布的图像。针对这种情况, 在分析了大量的16位灰度图像的基础上, 提出了一种16位灰度图像自动调窗算法, 算法在读入图像后自动判断图像直方图类型, 并根据直方图类型计算最佳的窗位和窗宽。对所提出的方法进行了大量的实验验证, 并与现有的调窗方法进行了比较。结果表明, 文中方法可以显著地提高图像的清晰度和对比度, 且比现有的调窗方法具有更好的性能。

在正则化超分辨率重建算法中，正则化参数自适应对于抑制噪声和保持边缘非常重要。参数自适应通常是通过建立空间信息与参数的关系来实现的。在近期文献中，提出了一些空间信息自适应超分辨率重建方法，取得了较好的实验结果。然而在这些方法中，提取空间信息方法的计算量大，导致重建速度慢，限制了算法的应用。提出一种快速空间信息提取方法，并构建自适应参数模型，实验结果显示，该方法在大幅提高重建速度的同时，获得了更好的重建效果。

为了模拟卫星目标在云层背景下的运动效果, 提出了基于云图像灰度的目标灰度衰减计算方法。利用 FY-1C卫星获得的数据, 建立了云光学厚度与云反射率的关系, 进而确定了云图像灰度与云光学厚度的函数关系。根据 Bouguer指数衰减定律, 计算目标经云衰减后的灰度。利用该计算方法, 模拟了同一目标在不同云层及不同亮度目标在相同云层下的运动效果。仿真结果显示, 该方法可以取得较好的目标穿云效果。