利用近红外高光谱成像技术（NIR-HSI）, 将采集的光谱信息融合图像纹理信息建立分类模型, 实现灵武长枣瘀伤等级的判别。 采用瘀伤装置获得瘀伤等级为Ⅰ、 Ⅱ、 Ⅲ、 Ⅳ、 Ⅴ级的200个长枣样品, 并按3∶1的比例划分校正集和预测集。 采集不同瘀伤等级长枣的近红外高光谱图像, 使用ENVI软件提取感兴趣区域（region of interest, ROI）并计算平均光谱值。 为消除无用信息的干扰, 采用正交信号修正（OSC）、 基线校准（Baseline）、 多元散射校正（MSC）、 移动平均（MA）、 卷积平滑（S-G）和去趋势（De-trending）对原始光谱进行预处理并建立偏最小二乘判别分析（PLS-DA）模型; 基于最优预处理方法所得的全波段数据采用变量组合集群分析法（VCPA）、 无信息消除变量算法（UVE）、 竞争性自适应加权抽样算法（CARS）、 区间变量迭代空间收缩法（iVISSA）和连续投影算法（SPA）提取特征波长后建立PLS-DA模型; 将高光谱图像进行掩膜, 利用主成分分析（PCA）获取贡献率最高的主成分图像, 并在该图像上采用灰度共生矩阵（GLCM）提取纹理参数, 包括能量（ASM）、 熵（ENT）、 对比度（CON）和相关性（COR）, 建立图谱融合的PLS-DA模型。 结果表明, 原始光谱数据建立的PLS-DA模型, 校正集和验证集准确率分别为89%和86%; 原始光谱经De-trending预处理后的PLS-DA模型效果最优, 校正集和预测集准确率均为90%, 较原始光谱模型分别提高了1%和4%; 基于SPA选择特征波长后建立的PLS-DA模型的校正集和预测集准确率均为90%; De-trending-SPA-COR-PLS-DA图谱融合模型效果最优, 模型校正集和预测集准确率均为92%。 因此, 利用近红外高光谱成像技术融合纹理信息可实现不同瘀伤等级灵武长枣的快速无损判别。

基于图像处理的沥青路面纹理三维重建技术具有快速、全面、分辨率高等优点，针对沥青路面颜色集中、特征点不明显导致三维纹理检测精度低的问题，提出一种基于多尺度图像融合的双目视觉技术。通过加权最小二乘滤波实现图像多尺度分解，利用跨尺度聚合模型融合多尺度图像信息进行沥青路面三维重建，提高了双目重建的精度。通过区域纹理参数，将所提方法与激光扫描仪进行了比较。结果表明，所提方法的区域纹理参数结果与激光扫描仪的结果比较接近。

针对太阳光照变化、物体间遮挡、拍摄角度偏差等干扰造成古城墙表面病害图像信息被隐藏，病害特征提取与识别效果不佳的问题，提出了一种基于光照分量自适应校正的古城墙表面病害图像信息增强方法。利用多尺度高斯函数连续卷积提取光照分量，根据像素点光照分量与均值的偏差非线性变换关系确定Gamma参数，构造增强2D-Gamma函数自适应校正图像过亮和偏暗区域的亮度值，恢复隐藏信息；同时为解决2D-Gamma函数对高亮像素点亮度值衰减表征能力较弱问题，使用同态滤波在频域压制高亮区域的光照分量，减小亮度动态范围，增强图像高亮区域隐藏信息；并利用系数因子将亮度校正后图像与Sobel算子提取的边缘细节图像线性融合，重构获取细节清晰、纹理突出的古城墙表面病害增强图像。实验结果表明，对于受光照、遮挡等干扰因素影响可视性较差的图像，所提方法在保留原图像细节信息的同时有效解决了光照不均、遮挡和阴影等造成的图像信息隐藏问题，增强了古城墙表面病害图像特征，提高了病害识别的准确率。

现有的多尺度立体匹配算法对各尺度的代价函数采用相同权值,而忽略了各尺度层对整个匹配代价的不同影响,增加了误匹配点。针对此问题,提出了自适应权值的跨尺度立体匹配算法框架。采用统一的代价聚合函数框架在不同尺度上进行代价匹配,并提出利用各像素窗口的信息熵作为不同尺度下匹配代价对整个匹配代价的影响因子;同时为了保证不同尺度下同一像素的代价一致性,在代价函数里加入正则化因子。本文算法框架可以应用在利用多尺度进行代价匹配的算法上,并使原有算法的准确率和稳健性得到提高。基于本文算法框架,分别采用不同代价聚合函数在Middlebury数据集上进行测试。为保证测试的公平性,各算法均未进行后续的视差求精步骤,实验表明,本文算法有效地提高了多尺度立体匹配的准确率和稳健性。

为了解决高速视觉目标跟踪系统在进行目标跟踪过程中目标的尺度与清晰度的变化, 提出一种基于尺度不变性的自动调焦算法。该算法包括基于改进型二维OTSU分割的自动变焦算法和基于二维图像信息熵的对焦算法, 通过高速视觉目标跟踪系统获得目标区域, 计算目标像素面积和清晰度评价值, 转化为可调焦镜头变焦步数和对焦步数后通过FPGA发送调焦指令, 最终完成自动调焦动作。设计了自动调焦验证系统以验证算法的性能并得出满足追踪要求的最佳调焦参数。实验证明, 该算法在高速目标跟踪系统的跟踪过程中可以较好地完成自动调焦任务。

研究了无衍射光束成像系统对图像信息的携带情况。在入射的平面波中加入图像信息, 基于基尔霍夫衍射公式和菲涅耳衍射公式的角谱理论, 使用离散傅里叶方法描述图像经轴棱锥后在观察面的光强分布, 对图像面进行数据抽样并引入色散公式; 将离散傅里叶公式导入Matlab并设置参数模拟, 得到不同位置处的光强图。实验中, 利用蓝光LED发出光束经扩束后入射到含有信息的菲林片和轴棱锥上, 实验参数与数值模拟一致, 利用CCD观察结果, 对比模拟结果可知: 菲林片上的图像经轴棱锥后, 在传输100 mm内, 可以完整观察到图像信息, 图像大小会随距离的增加而减小。实验结果与数值模拟十分吻合。

为了提高无人机侦察识别能力, 提出基于小波变换方法的无人机载光电与SAR的图像融合技术。经时间配准算法生成图像配准源, 采用SIFT算法提取图像特征点, BBF算法计算生成匹配点集, 依据匹配点集计算图像间透视变换模型完成图像配准, 利用小波变换算法实现配准图像融合。经实验验证以及利用Matlab分析图像灰度直方图和计算信息量, 结果表明: 融合图像保留了光电图像95.7%的细节(熵), 相比于光电图像平均梯度提高了1.52倍, 增强了光电图像目标区对比度, 降低了随机性噪点; 融合图像相比于SAR图像信息量提高了1.44倍。

研究强光对图像中目标识别的干扰能力以及信息处理对强光干扰的抑制能力, 并对信息处理效果进行量化分析。研究过程采用了两种不同的研究方案, 一是基于无干扰底图的强光干扰效果分析, 将被干扰的图像与同一场景未受干扰的可见光图像进行比对, 通过配准后的图像直接分析干扰抑制效果。二是基于目标模板的强光干扰效果分析, 选择目标模板进行仿真, 分别计算信息处理前后目标模板在目标场景下的可识别度, 并进行比对, 即获得信息处理对强光干扰的抑制效果。两种研究方案均能对信息处理的效果进行定量的统计分析。将处理效果量化, 能够对信息处理技术提供必要的技术支持。

针对无边缘主动轮廓模型 (Active contours without edges, C-V)难以分割灰度分布不均匀的甲状腺超声图像, 本文提出结合局部信息改进的 C-V超声图像分割模型。该方法根据局部信息具有不受灰度分布影响的拟合特性, 利用图像局部拟合信息构造一种新的速度函数, 使速度函数依据图像局部灰度变化控制曲线的演化速率；然后将该速度函数引入到 C-V模型中, 具有全局分割能力。实验结果表明, 本文方法可以实现对灰度分布不均匀的甲状腺肿瘤超声图像的准确分割, 且分割效率也有所提高。

针对红外弱小目标检测问题，提出了一种基于图像复杂度的自适应门限目标检测方法.讨论了天空中四类不同区域的图像信息熵.图像信息熵虽然较好地表达了图像的平均信息量，但对图像的突变点不敏感.将它改进得到图像方差加权信息熵，其较好地反映了图像的复杂度特征.将图像方差加权信息熵作为图像复杂度的定量描述，用两种特定的分析模板对图像复杂度进行分析.在目标区域中，两种分析模板得到的复杂度差异较大，而非目标区域的两种复杂度则基本没有差异.算法获取两种分析模板下的复杂度图像，再对两种复杂度图像做差，得到复杂度差值图像.对差值图像建立指数模型得到自适应分割门限完成目标检测.实验结果表明，该方法对低信杂比的红外云层背景弱小目标图像具有良好的检测效果.