提出一种非稳腔激光器光瞳位置提取的方法，用于光路自动准直中光瞳位置的提取。首先使用双边滤波对原始图像进行预处理，然后用系数β乘以大津算法的图像阈值得到图像的阈值，对图像进行阈值分割。得到二值图像后，对二值图像进行中值滤波。通过边缘提取算法提取二值图像中的轮廓，然后利用轮廓的中心和组成轮廓的点的数目这两个轮廓属性，找到光瞳图像的内轮廓。使用RANSAC椭圆拟合算法拟合内轮廓，以椭圆的中心作为光瞳的位置。本文提出的光瞳位置提取方法，在满足实时性要求的同时，减少了内轮廓噪声对椭圆拟合的影响，提高了光瞳位置提取结果的准确性和鲁棒性。在100帧仿真光瞳图像的内轮廓中添加40%幅值为0~13的随机噪声点的情况下，所提方法比直接椭圆拟合方法的提取结果具有更高的准确性和鲁棒性，提取位置偏差的AVG比直接椭圆拟合的结果小0.283个像素、位置偏差的最大值小0.660个像素、位置偏差的RMS小0.136个像素。

单个光子的探测技术能提升普通探测器的灵敏度，在测距方面有着很重要的应用价值。光子探测激光测距技术是对于在先验信息未知的情况下，从大量回波数据中提取目标的运动轨迹。文章通过模拟光子计数探测目标的回波信息，用图像处理的方法从大量的回波数据中提取了目标的运动轨迹，与目标理论运动轨迹相比，误差在5 m以内。光子探测激光测距可作为北斗导航系统的一个辅助定位模块，利用其近程定位优势解决了光缆巡线过程中由于外部环境导致的北斗终端定位不精准的问题。

针对图像拼接的速度优化和最终匹配对优化问题，本文提出了一种基于BRISK（Binary Robust Invariant Scalable Keypoints）特征点检测算法和改进RANSAC（Random sample consensus）算法的图像拼接方法。改进的RANSAC算法旨在通过循环以求得更多匹配对，具体改进为在计算内点个数时加入循环以及将内点的判断时使用的欧氏距离改成面积。实验结果表明，本文改进的RANSAC算法使得内点个数增加，平均反向投影错误率相对于原算法减小了约10%；提出的拼接方法相对于常用的拼接方法时间缩短了约50%。本文提出的方法能够实现实时、准确的图像拼接。

针对红外图像和可见光图像因成像机理不同导致传统匹配算法匹配精度不高、鲁棒性差的问题，提出一种基于CycleGAN-SIFT的可见光和红外图像匹配算法。为了减小可见光图像与红外图像之间特征差异对匹配结果造成的影响，通过迁移学习共享权重的方式在可见光图像和红外图像基础上利用CycleGAN生成伪红外图像，利用SIFT特征提取算法分别提取伪红外图像和红外图像的特征点并进行匹配。为了降低错误匹配率，利用RANSAC剔除误匹配点对。最后，将伪红外图像上的特征点映射至可见光图像，从而实现可见光图像与红外图像的匹配。为了验证所提出算法的有效性，从OTCBVS和TNO Image Fusion Dataset数据集中任选4组异源图像，并分别在无噪声、有噪声以及存在角度畸变3种情况下与SIFT、Canny-SIFT、SURF以及CMM-Net 4种经典算法进行比较。实验结果表明，在不考虑角度畸变和噪声干扰的条件下，所提出算法的匹配正确率可达95%以上；当存在角度畸变和噪声干扰情况时，本文算法的匹配正确率依然在95%以上，具有匹配精度高、鲁棒性强的优点。