弱光环境会导致图像采集设备拍摄的照片出现对比度低、亮度较暗、细节缺失等问题，为此提出一种基于同态频分聚合的低照度图像增强算法。首先，改进同态滤波的传递函数，将原始图像分解为高频和低频分量，在不损失亮区细节的同时，增强一部分暗区细节，改进后的同态滤波传递函数参数更少，且易于调整；然后，分别对两个分量进行增强，即设计细节增强网络完善高频部分的细节信息，采用low-light image enhancement via illumination map estimation（LIME）算法对低频部分进行亮度提升；最后，设计局部自适应网络对图像高频和低频分量进行联合微调，纠正融合过程中出现的失真。从主观视觉以及客观评价指标两个方面进行实验分析，结果表明，所提算法能有效平衡图像平滑区域与纹理分量的增强效果，提升图像视觉质量。

不同类型的探测器在成像机理上有不同的侧重点，使得成像图像表征的信息也有所不同，导致单幅图像不能完整地反映场景的有效信息。因此，提取多源图像的互补信息，并去除其中的冗余信息，合成一幅能准确、完整表达场景的复合图像的技术成为了图像处理领域中一项非常重要的技术，图像融合正是这类问题的一种有效解决方法。针对传统多尺度分解的图像融合方法易产生噪声和信息缺失的现象，文中提出了一种基于多层级图像分解的红外与可见光图像融合算法。首先，利用加权平均曲率滤波的边缘保持特性与高斯滤波的平滑特性，构建了多层级图像分解模型。在利用该模型将源图像分解为小尺度层、大尺度层和基层等3个不同层级。然后，针对基层，采用能量属性融合策略进行融合；针对大尺度层，采用复合融合策略进行融合；针对小尺度层，采用最大值融合策略。最后，将融合后的层级进行加和，以重构出最终的融合图像。实验结果表明：文中提出的基于多层级图像分解的图像融合算法能够有效降低噪声产生的概率，同时减少了融合后的信息缺失。

为解决传统彩色图像去噪算法容易出现细节模糊、伪色彩及去噪效果不佳等问题, 文中提出了一种基于本征图像分解的稀疏表示彩色图像去噪算法。利用本征图像分解良好的色彩保持和细节恢复等优点, 将含噪彩色图像分解成反映图像真实颜色特征的反射率部分和反映图像亮度特征的光照率部分。一方面, 反射率部分仅含有部分孤立噪声点且是具有分段平滑特性的彩色图像, 因此文中采用在去除彩色图像轻度污染方面表现良好的基于稀疏表示的彩色图像去噪算法对其进行处理。另一方面, 光照率部分包含了主要噪声成分且是具有较强稀疏性的灰度图像, 因此文中采用能够保持图像细节的非局部集中稀疏表示灰度图像去噪算法对其进行处理。为了有效地求解所提算法, 文中结合正交匹配追踪法和软阈值法设计了一种新的数值解法。数值实验结果表明, 新算法明显优于经典的彩色图像去噪算法。以256×256的Boat图像为例, 在噪声方差等于20时, 新算法的PSNR值比K-SVD算法和NCSR算法分别提高了1.7 dB和067 dB, SSIM值比K-SVD方法和NCSR算法分别提高了0.11和0.09。文中所提算法在提高彩色图像去噪效果的同时能够有效地保留图像细节, 在视觉效果和客观评价指标等方面均优于传统的ROF算法、K-SVD算法和NCSR算法。

为提高矿井下图像的对比度, 并同步地抑制图像的雾尘和噪声, 提出一种基于双域分解的矿井下图像增强算法.首先, 采用双边滤波器将输入图像分解为低频图像和高频图像; 其次, 采用快速暗原色去雾算法和Gamma变换, 实现低频图像的去雾和对比度提高; 接着, 采用非下采样Shearlet变换和二阶微分算子, 实现高频图像降噪和增强; 最后, 将增强的低频、高频图像合成基础增强图像, 并抑制粉尘散射模糊和过曝光白色伪影, 得到最终增强图像.实验表明, 该方法不仅能有效提高矿井下图像的对比度, 还能有效抑制图像的雾气和噪声, 具有广泛的应用前景.

提出了一种基于形态成分分析的多源图像融合方法。为了将源图像中不同形态结构的卡通-纹理成分分离，把图像的分解问题转化为图像的分类问题，设计了卡通纹理判别字典学习模型。考虑到图像分解不仅与字典有关，还与分解的策略有关，设计了一种新的图像分解模型。在模型中，将纹理成分看成叠加在源图像卡通成分上的噪声，引入非局部均值相似性的一致性正则项，来约束稀疏编码系数的解空间。根据对应成分的编码系数l1范数值最大来选取融合图像的编码系数。实验结果表明，无论是在视觉效果还是在客观指标上，方法都具有更好的融合性能。

为了避免图像去雾后细节模糊和噪声放大,将图像分解为结构层和纹理层,并只对其结构层进行去雾。基于频域滤波思想提出透射率融合方法,解决了现有透射率估计方法中普遍存在的块效应问题和复原图像中存在的晕轮伪影问题。针对透射率优化过程中存在的计算量大、透射率平滑与细节保持之间难以平衡等问题,提出了多重导向滤波透射率优化方法。同时,针对目前大气光估计易受图像中白色物体的影响,提出自适应大气光估计方法。实验结果表明,该算法得到的图像去雾彻底、细节清晰、颜色自然,不仅有效抑制噪声和晕轮伪影,而且显著提高场景对比度、饱和度。

为增强高动态范围图像（High dynamic range, HDR）的显示效果,本文提出一种多尺度梯度域色调映射算法。首先提取高动态范围图像的亮度信息，利用双边滤波将高动态范围图像的亮度数据进行多尺度分解，得到基本层和细节层。由于视觉上的亮度变化体现为图像数据的梯度变化，因此可在梯度域对基本层图像进行自适应动态范围压缩，然后加上细节层图像信息，最后再通过色彩校正算法恢复图像色彩，实现HDR图像的动态范围压缩。通过对比算法的定量分析表明，本文算法的方差和信息熵的客观指标分别提高了30.8%和5.9%，因此，本文方法在压缩HDR图像的动态范围的同时，可以更好地保留边界、纹理等细节信息。

受传感器状态、成像机理、气候、光照等条件的影响, 高光谱遥感图像存在严重的畸变和失真。本征图像分解是计算机视觉及图形学领域广泛应用的图像处理技术, 采用该技术能够获得图像的本质特征。本研究将本征图像分解引入到高光谱图像处理中对原始图像进行本征图像分解。提出了一种基于自动子空间划分的高光谱本征图像分解方法。首先对高光谱图像进行子空间划分, 再对每个子空间应用基于最优化的本征图像分解方法进行分解, 然后对分解得到的反射率本征图像进行高光谱图像分类处理。实验结果表明：基于自动子空间划分的高光谱本征图像分解能够在较大程度上提高高光谱图像的分类精度。

夜间图像光照不均匀,存在色偏,去雾难度较大。目前图像去雾算法主要针对白天场景,有关夜间图像去雾算法的研究较少。基于结构-纹理分层模型提出新的夜间图像去雾算法,将夜间有雾图像分解为结构层和纹理层。在结构层采用中值滤波器估计环境光,利用加权范数L₁正则化模型对其进行优化,并进行去雾和颜色校正处理;在纹理层利用离散余弦变换系数估计透射率。最终融合纹理层与去雾后的结构层得到去雾图像。实验结果表明,采用该算法对夜间图像去雾后图像细节清晰,颜色自然,去雾效果显著。

介绍了变分图像分解图像处理方法的基本原理、常用的函数空间及变分图像分解模型。回顾了近几年变分图像分解图像处理方法在电子散斑干涉(ESPI)信息提取技术中的应用成果, 包括应用变分图像分解图像处理方法实现ESPI条纹图的滤波处理、ESPI条纹图方向和密度的计算和ESPI条纹图骨架线的提取。介绍了这些方法相较于传统方法的优势, 并进一步展望了变分图像分解图像处理方法在光测技术中的发展趋势。