在含有动态干扰因素的复杂背景下提取前景目标时,现有的视觉背景前景目标提取算法容易出现鬼影、误检等问题,因此提出了一种改进的基于视觉背景的前景目标提取算法。首先,根据像素点的时间序列以及位置特征,计算像素点的匹配概率、匹配程度以及亮度信息。其次,实时更新与当前复杂背景吻合的背景模型,同时对背景模型进行初始化。最后,对CDnet 2014数据集中各类复杂背景下的视频进行测试,并与经典的高斯混合模型、视觉背景提取(ViBe)算法、改进的ViBe算法进行对比。实验结果表明,本算法在各类复杂背景下能高效去除鬼影的影响,且提取结果精度较高,极大降低了提取结果的错分率和漏检率,提高了复杂背景下算法的高效性与鲁棒性。

针对稳态匹配概率(Steady-State Matching Probability,SSMP)立体匹配算法在处理视差范围大的测试图中产生的空洞现象以及使用该算法后由于右视差图中的错误视差导致的左视差图中正确视差丢失问题，提出一种基于稳态匹配概率和半全局匹配(Semi-Global Matching,SGM)相结合的立体匹配算法。首先使用SSMP算法求取初始视差图。接着，使用基于爬山法颜色分割的填充准则进行填充。然后使用SGM算法重新获取视差图，将两幅视差图中一致的视差信息填充到经过左右一致性检测后的含有空洞的视差图中。最后，使用SSMP算法中的空洞填充和中值滤波得到精化后的视差图。实验结果表明，改进后的SSMP算法在Middlebury测试平台上第2版本的四组图像的平均匹配误差从538%减少到523%，第3版本部分测试图像的平均匹配误差从24.7%减少到21.5%，该算法能很好地处理上述问题，有效提高匹配精确度，且具有鲁棒性。

为了提高基准图制备的有效性, 研究了遥感影像的可匹配性, 并针对点特征提出了基于兴趣点度量遥感影像可匹配性的度量指标。首先, 利用非下采样Contourlet变换的高频系数提取图像的局部极值点作为兴趣点; 然后, 利用兴趣点的高频系数和方向特性定义兴趣点的幅值特性和结构特性。最后, 分析兴趣点幅值特性和结构特性与实际匹配概率的关系, 构建可匹配性度量指标。实验结果表明, 可匹配性度量指标与实际匹配概率的线性相关性高于0.9, Spearman相关系数高于0.85, 评估结果准确性高、单调性好。利用该指标对图像可匹配区域进行筛选, 其制备的基准图的平均匹配概率大于95%, 比传统方法提高了15.4%, 改善了基准图制备的效率和可靠性。

针对基准图与实时图之间灰度分布差异对匹配结果的影响，将直方图调整与灰度相关算法相结合，提出了一种基于直方图均衡化预处理的景象匹配导航方法。首先对基准图与实时图的直方图进行调整，减少二者的灰度分布差异，然后采用积相关算法计算匹配结果。分析了景象匹配主要验证方法的优缺点，提出了一种实用的验证方法。利用该验证方法，在各种干扰条件下进行了大样本采样验证，并且采用相对突出因子对匹配结果进行评估。大量试验结果表明基于直方图均衡化预处理的景象匹配导航方法可以有效地改善相关曲面的形态，突出相关曲面的尖锐程度，提高匹配概率。

景象匹配区的选择是影响景象匹配系统性能的重要因素.通过实验研究建立了信噪比、重复模式与匹配概率之间的三维模型,并以此提出了一种基于边缘密度预筛选和上述模型的选择方法.测试结果表明,在一定条件下,该方法可以成功规划出所需的区域.

用基准图每个像素的三个特征参数即边缘密度、粗糙度、标准差作为评价模板图像匹配的品质指标,结合Fisher线性分类原理把估计区域匹配概率问题转化为对像素的分类问题,提出了一种匹配概率估计的新方法.实验结果表明,该方法可以有效地估计匹配概率,遴选出适合要求的景象匹配区.

通过试验研究了景象匹配概率与实时图的独立像元数、方差、纹理能量比和互相关峰等图像特征的关系,并以此提出了基于这些图像特征的景象匹配区选择方法.图像测试结果表明,该方法可以成功地规划出满足要求的景象匹配区.