为解决高斯混合模型中噪声和光照变化带来的影响以及运算量大等问题, 先通过帧差法确定运动目标大致区域, 筛选后在确定区域内采用混合高斯模型重建背景, 并运用SUSAN算子进行边缘检测, 形态学处理后将两者结果进行“与”运算; 区域外部分按照当前帧背景更新, 两部分综合得到最终的运动目标。实验结果显示, 改进算法有良好的鲁棒性, 能很好地适应光照变化, 检测结果高效准确, 可以应用于目标跟踪领域。

针对显微视觉系统中大范围聚焦问题，本文提出新的聚焦搜索策略。该策略将改进的SUSAN 算子和小波变换算子组合提出新的聚焦评价函数，并根据评价函数单峰性以及峰值两侧变化陡峭的特点将聚焦曲线分为实现快速搜索的平缓区和高斯拟合的陡峭区，采用自行研发的显微视觉系统对搜索策略进行验证，按照拟合结果驱动电机直接到达焦平面。实验结果表明，新的聚焦搜索策略在实时性和准确性上具有更好的效果。

为了更好地滤除图像中脉冲噪声和高斯噪声组成的混合噪声, 提出了一种基于非局部均值和Small Univalue Segment Assimilating Nucleus(SUSAN)算子的混合噪声滤除方法.该方法首先根据脉冲噪声点与角点之间吸收核同值区形状特征的不同, 采用SUSAN算子检测出大量的特征点, 特征点主要是脉冲噪声点, 也可能含有小部分角点.将特征点进行排序, 出现频次最高两位的点为脉冲噪声点.然后采用改进的均值滤波法计算脉冲噪声点邻域中非脉冲噪声点的均值, 以此替换脉冲噪声点灰度值.最后针对已滤除脉冲噪声的图像, 采用考虑了图像块信息的非局部均值方法滤除剩余的高斯噪声.去噪实验结果表明: 与自适应中值和加权均值结合的方法、中值滤波与小波结合的方法、脉冲耦合神经网络与中值滤波结合的方法相比, 本文方法主观视觉效果更好, 能够更好地保留图像中的边缘细节, 客观评价指标峰值信噪比有较大的提高, 滤除混合噪声的优势明显.

受多种因素的影响, 白天获得的红外星图像信噪比低, 且背景通常是不均匀的, 为红外星目标的提取造成了极大的困难。通过理论计算, 实际白天拍摄的近红外星图信噪比极低, 使用一般的滤波方法无法提取出恒星目标, 目前常用的形态学方法对于星图像的处理也不甚理想。首先分析背景特性, 采用多帧叠加的方法削弱随机噪声, 增大信噪比; 然后设定阈值对叠加后的星图进行背景消除, 得到只含有目标及噪声的图像; 最后基于图像的特性, 使用改进的 SUSAN算子对星图进行目标检测, 进而分割出目标, 实验证明, 与传统方法相比, 该方法可较好地分离出恒星目标。

针对当前四轮定位仪传感器众多、精度低、操作复杂、维护成本高等缺点，提出一种三维视觉式四轮定位参数检测的新方法，阐述了基于改进型SUSAN算子实现该方法，通过采集随车轮一起运动的棋盘格式目标盘的序列图像，求取车轮旋转轴线的三维方向余弦，进而求得四轮定位几何参数。与传统方法相比具有非接触、实时、操作简便、精度高的优点。

为了消除空域错误隐藏后出现的模糊和块效应,提出了基于SUSAN检测算子的空域自适应错误隐藏算法。算法首先利用SUSAN算子检测丢失宏块周围的边缘点,然后根据边缘点确定丢失宏块中边缘,最后根据边缘情况自适应地选择插值方法恢复丢失宏块。实验表明,丢失宏块边缘的检测受噪声影响很小,对孤立丢失块有较好的恢复效果且计算量较小。与传统空域错误隐藏算法相比,本文算法的峰值信噪比PSNR能提高大约1-3 dB。

提出了一种基于自适应阈值和限定角点区域的红外图像边缘增强方法.首先介绍了SUSAN边缘增强算法，然后改进了SUSAN算法阈值的自适应选取和角点区域限定的方法，最后在实际应用中，提取出了红外图像清晰、连通的边缘特征.实验结果表明，改进后的方法能够有效地增强红外图像的边缘，得到令人满意的效果.

采用计算机视觉识别技术对微小轴承端盖上的缺陷进行了自动识别。运用现代控制理论、图像采集与处理技术、软件编程技术，针对缺陷的位置、面积和深度所具有的随机性，设计了一套适合于检测微小轴承表面缺陷的系统。该系统可以采集到高质量的图像信息。利用SUSAN算子实现了对图像的分割和微小轴承表面缺陷的快速检测。实验结果表明，该方法的识别率可达到96%，并具有方法简单、定位准确、抗噪能力强、计算速度快、实时性好等优点。

针对人脸识别中的特征提取问题,提出了一种快速准确的眼角自动定位方法.在人脸图像中自动定位两眼的眼球和内外眼角的精确位置,定位准确率达到98%以上.该方法为脸部关键特征点的自动提取和人脸识别奠定了良好的基础,有助于提高人脸识别算法的识别率.并将定位结果应用到人脸图像的预处理,提出以两眼外眼角为基准进行几何归一化校正,与通常的利用两眼瞳距作为基准的方法相比较,更加准确和稳定.