随着高光谱图像技术的不断发展, 光谱分辨率和空间分辨率不断提高, 相比于其他遥感图像, 能够获得更为精细的光谱特征。 这为地物的高精度分类、 解混和目标检测等研究领域提供了理论平台, 其中由于高光谱异常目标检测技术不需要地物的先验信息, 更符合实际应用的需求。 针对现有的大多数高光谱异常目标检测算法只关注目标和背景在光谱信息方面的差异, 而忽略两者空间信息的差异, 导致检测精度不高的问题, 提出了一种基于空谱联合异常度的高光谱异常目标检测算法。 该算法不需要假设图像的背景模型, 建立在滑动双窗口的基础上, 提出了光谱异常度和空间异常度两个概念。 在光谱异常度计算中, 考虑了波段间的非线性特征, 采用光谱角匹配的核函数方法进行检测, 基于双窗口模型的基础上逐个计算中心像元与局部背景像元的核光谱角并设置阈值来获得中心像元的光谱异常度; 在空间异常度的计算中, 由于物质在空间方面的聚类特性, 通过构建像元点的空间窗模型能够得到代表像元类别的图像块灰度向量, 同时求解不同像元之间图像块灰度向量的欧式距离并设置阈值来获得中心像元的空间异常度; 最后将中心像元的光谱异常度与空间异常度进行加和则可得到中心像元的空谱联合异常度, 基于滑动双窗口模型对整幅图像的像元进行逐个检测, 即可得到图像的异常检测结果。 采用AVIRIS的三组真实高光谱数据对所提算法进行仿真实验, 并与传统的RX算法、 LRX算法和KRX算法进行对比研究, 结果表明本文算法具有较好的检测效果, 与KRX算法相比, 运行速度具有较大幅度的提升。

在传统的多曝光图像融合方法中,一旦目标发生移动则会在最终融合图像中出现“鬼影”现象。现有的去“鬼影”算法大部分都继承了参考图像中的大量信息,倘若参考图像中出现曝光不足/曝光过度现象,便会影响到最终的融合结果。基于此,提出了一种基于图像块分解的多曝光图像融合去鬼影算法。首先将参考图像划分为曝光正常及曝光不足/过度两大区域,并有针对性地对这两部分区域进行处理。为了更加精准地检测出鬼影区域,将多曝光图像块分解成信号结构、信号强度和平均强度3个概念相独立的部分,采用图像块结构一致性检测的方式来进行鬼影检测。最后,去除结构不一致的图像块并对这3个部分分开融合,重构所需图像块并将其聚合至最终融合图像。实验结果表明,与现有的去“鬼影”算法相比,所提算法取得了更好的视觉效果,且计算效率得到了较大提升。

针对雾霾天气图像中雾霾浓度分布不均以及色彩失衡等问题, 提出一种将暗通道先验算法与带色彩恢复因子的多尺度Retinex算法相结合的分块调节图像增强算法.对大气散射模型以Retinex图像模型中的尺度进行线性映射, 得到一个同时具有大气散射模型中的透射率和大气光照值以及Retinex图像模型中入射图像的多参数新模型.根据模型获取去除大气散射图的新原图, 并利用不同尺度的引导滤波计算获得整幅图像的入射图像, 再结合大气散射光图以及色彩恢复因子得到最终的高频细节图.针对图像中雾霾浓度分布不均的情况将整图划分为多个区域小块, 用融合后的算法计算每个区域小块的动态截断值, 根据不同的动态截断值可以对整幅图像的高频细节进行动态调整, 从而得到多幅局部最优图像, 将得到的图像进行像素级等权融合, 最后可得到保证各局部细节的最优图像.将本文算法与现有算法在主观视觉和客观评价两方面进行了实验对比, 结果表明, 该方法可以有效解决图像雾气不均匀以及色彩失衡等问题, 明显提高了去雾后图片的质量.

三维块匹配(BM3D)算法能够有效抑制平稳信号中的噪声。对于具有随机特性的合成孔径雷达影像斑点噪声,受限于三维变换阈值单一和在局部邻域寻找相似块,BM3D算法的滤波效果不佳。提出了基于K-Means聚类的BM3D算法,并将其应用于合成孔径雷达影像斑点噪声抑制。对图像块集合根据均值、方差和极差值构建的特征向量进行聚类,估计每一类块的噪声方差,根据类噪声方差估计自适应三维变换阈值;在每一个图像块类内部寻找相似块,实现全局相似块的快速查找。实验结果表明,同BM3D算法和非局部均值算法相比,所提算法具有更好的视觉效果和更高的峰值信噪比。

针对深度学习在计算机视觉上的良好表现，提出一种基于深度学习的多聚焦图像融合算法，在原有的AlexNet网络模型基础上改进了卷积核大小、步长等；利用改进后的深度学习网络特有的得分机制分类了聚焦图像块与散焦图像块；使用矫正矩阵矫正了误判图像块，并细分、修复了融合后的图像聚焦与散焦分界区域，得到了融合图像；选取6组多聚焦图像验证了本文算法的有效性。实验结果表明：与其他算法相比, 运用本文算法进行图像融合，能够保存较多的图像原始高频信息,并在互信息、边缘信息保持度、平均梯度和熵等评价指标上取得了较好的表现。

针对运动目标在单帧图像中所占的比例较小, 传统的边缘提取方法在对整幅图像计算时产生大量冗余, 对噪声敏感, 提取出的运动目标轮廓不明显的缺点, 提出了一种基于帧差法和图像分块相结合的运动目标边缘检测方法。该方法首先对序列图像进行差分, 根据分块大小自适应选取阈值对图像进行分块, 完成对运动目标的细分割, 分离出运动区域和非运动区域, 然后对分割出来的运动区域进行边缘检测, 将边缘检测结果和差分结果进行“与”运算, 从而提取出运动目标轮廓。实验证明, 分块边缘检测方法能较为准确地提取出运动目标且能提取出清晰的运动目标边缘轮廓, 能满足实时性需要。

为了有效地组织、管理、浏览、检索图像数据库,提出了一种综合全局统计特征和局部二值位图特征的图像检索算法。分别计算图像R、G、B三通道的均值和方差,获取了图像的全局统计特征。然后,根据块截断编码思想,将图像划分成4×4的图像子块,同样计算其均值。若块均值大于图像全局均值,则该块设为"1",否则,设为"0",由此,得到图像的二值位图特征。最后,对归一化的特征进行有机融合并采用最佳相似匹配函数进行检索。实验结果表明:综合两种特征的效果比使用单一特征的效果好;和同类算法相比,该算法鲁棒性好,前100幅图像的平均检索准确率达到63%,相对本文提到的另外两种算法都提高了4%以上。