针对低照度图像存在识别度不高、亮度低、信噪比低和细节模糊等问题，提出了一种非下采样剪切波变换（NSST）域结合生成对抗网络（GAN）的低照度图像增强方法。首先，收集弱光图像和正常光图像数据集，将图像进行RGB颜色空间到HSV颜色空间的变换处理，保持色度、饱和度分量不变，对亮度分量进行NSST多尺度分解，利用分解得到的低通子带图像构建训练集；其次，构建基于GAN的低频子带图像增强模型，并利用低频子带图像训练集对模型进行训练；然后，对待处理的低照度图像进行NSST分解，利用训练的模型增强低频子带图像，利用尺度相关系数去除各高频方向子带噪声，并通过非线性增益函数增强边缘系数；最后，将增强处理后的低频、高频子带图像进行NSST重构，并将重构图像恢复至RGB颜色空间。所提方法与常见的方法相比，就低照度图像增强而言，结构相似度平均提升了3.89%，均方误差平均降低了1.03%，且在对噪声图像增强时，峰值信噪比和连续边缘像素比保持在21 dB和88%以上。实验结果表明，所提方法不论从视觉效果还是图像质量客观评价指标上较常见方法都有较大提升，能有效改善低照度图像的低质问题，为后续的图像处理分析奠定基础。

针对红外与可见光图像融合算法中存在的目标提取不充分、细节丢失等问题，提出一种基于改进的区域生长法（IRG）与引导滤波的红外与可见光图像融合方法。首先对红外图像使用IRG进行目标提取，然后对红外和可见光图像使用非下采样剪切波变换（NSST），并对所得低频与高频分量进行引导滤波，由滤波后的红外和可见光低频分量通过基于IRG的融合规则得到低频融合系数，由增强的高频分量经过双通道脉冲发放皮层模型（DCSCM）得到高频融合系数，最后经NSST逆变换得到融合图像。用主观评价和6种常用客观评价指标对融合图像进行评估。实验结果表明，所提算法的融合图像目标突出、背景信息清晰、细节保留能力强，在主观和客观评价上均有明显优势。

为了克服当前较多可见光与红外图像融合方法在通过图像能量特征融合图像时, 忽略了图像的全局相对亮度特征, 导致融合图像存在红外目标表达能力弱等问题, 文章引入非下采样Shearlet变换, 通过测量图像的相对亮度来融合图像。借助NSST变换来处理输入图像, 解析出图像的低频和高频系数; 采用区域能量函数, 对区域图像所含的能量特征进行测量, 利用图像的全局均值和区域均值, 构造相对亮度测度模型, 求取区域图像的相对亮度特征, 并将区域图像的能量特征和相对亮度特征结合, 对低频系数完成加权融合; 利用图像的行、列、对角维度上的频率值, 建立四维细节测量因子, 以计算出图像的细节特征, 完成高频系数融合, 从而求取融合图像。实验结果表明, 较当前算法的融合图像, 所提算法不仅能更好的显示出图像的细节内容, 而且还能更好的表达图像中的红外目标内容。

为了提高遥感图像的融合质量, 使其兼顾较好的纹理特征与对比度, 提出了非下采样变换耦合双重制约模型的遥感图像融合算法(NSST)。通过IHS模型来解析多光谱图像(MS), 提取其对应的强度(I)、色调(H)、饱和度(S)成分; 借助NSST, 从I成分和全色图像(PAN)中解析出低频和高频系数; 通过信息熵和均值模型, 计算出图像富含的信息及亮度丰富度, 以完成低频系数的融合。利用高频系数与方向矩阵的卷积运算, 得出图像的纹理特征, 计算图像的标准差, 获取对比度信息。在联合纹理特征和对比度, 构造双重制约模型, 完成高频系数的融合。再对融合系数完成逆NSST和逆IHS运算, 得出融合图像。实验数据表明, 较现有的融合技术而言, 所提算法的融合图像含有更为丰富的纹理与更高的对比度。

针对同一目标不同焦点图像优势互补的需求和现有多焦点图像融合算法存在焦点不清晰、边缘模糊和重影等问题，引入一种基于参数自适应脉冲耦合神经网络(PAPCNN)和卷积稀疏表示(CSR)的多聚焦图像融合算法。在非下采样剪切波变换(NSST)分解高低频子带的基础上，采用CSR融合低频子带系数，其中的高频子带系数利用一种参数自适应PCNN算法(PAPCNN)进行融合，并且对PAPCNN中的隐函数β进行改进，达到更好的融合效果。仿真实验结果表明，该方法解决了传统PCNN算法在融合图像时参数设置困难和传统稀疏表示细节保存性能不佳的问题，在视觉效果和客观指标方面与现有主流融合算法相比均具有较大优势。

为了使可见光与红外融合图像能更好的表达目标信息, 联合非下采样Shearlet变换与剥离策略, 对其进行融合。首先, 借助非下采样Shearlet变换, 获取可见光与红外图像的高、低频成分。然后, 通过Otsu阈值分割方法来构建剥离策略, 将红外图像中的目标层与其背景层进行剥离, 并以目标层为基础, 利用图像的区域能量特征, 对可见光图像与红外图像背景层的低频系数进行加权计算, 并将结果与红外图像的目标层结合, 以得到富含目标内容和背景内容的融合低频系数。引入区域方差函数, 对图像的细节特征进行测算, 通过构造方差加权因子, 得到富含细节特征的融合高频系数。最后, 对两个融合系数实施非下采样Shearlet逆变换, 从而输出融合图像。实验结果显示, 本算法融合的图像, 比现有融合算法融合的图像更具优良的目标及细节表达能力, 可用于获取高质量的可见光与红外融合图像。

提出了一种基于非下采样剪切波变换(NSST)和参数自适应简化型脉冲耦合神经网络(SPCNN)相结合的水下偏振图像融合方法。对水下目标物进行图像采集获得目标物的线偏振度图像和偏振光强图像;对两幅图像进行NSST分解获得其多尺度和多方向子带系数,通过参数自适应SPCNN模型融合两幅图像的高频方向子带系数,采用基于区域能量自适应加权的融合方法融合两幅图像的低频子带系数;对融合后的高频方向子带和低频方向子带进行逆NSST重建融合图像。实验结果表明,与其他偏振图像融合方法相比,本文方法可以探测到水下目标物的更多细节和显著特征,主观视觉感受和客观评价方面都有较大的提升。

针对传统红外与可见光图像融合算法中存在的目标不够突出、背景缺失、边缘信息保留不够充分等问题,提出了一种基于改进引导滤波和双通道脉冲发放皮层模型(DCSCM)的红外与可见光图像融合算法。首先,对源图像进行非降采样Shearlet变换(NSST),得到相应的低频和高频分量。然后,分别采用改进的引导滤波算法和DCSCM模型对低频、高频分量进行融合。最后,对融合得到的高低频分量进行NSST逆变换得到最终的融合图像。与其他几种方法进行比较,实验结果表明,本文算法的融合图像目标突出,背景信息丰富,且在图像清晰度、对比度、信息熵等方面均有优势。

针对浮选表面气泡图像边界弱、光照不均匀和气泡分布不均匀导致气泡提取困难的问题, 提出了一种结合非下采样Shearlet变换(NSST)和多尺度边界检测及融合的浮选气泡提取方法。对气泡图像进行NSST分解, 得到低频子带和多尺度多方向高频子带图像, 通过构造自适应分数阶微分谷底检测模板提取低频子带的山谷边界, 结合尺度相关系数及方向模极大值检测获取高频子带的边缘信息, 再通过山脊特性判定从边缘信息中提取气泡的边界细节, 最后进行多尺度边界融合、边界形态学处理以实现气泡提取。实验结果表明：该方法受噪声和光照的影响小, 能有效提取出不同分布类型的气泡, 其平均检测效率和准确率较现有方法有较大的提高, 能够满足浮选工况动态变化的需求。

结合非下采样剪切波变换域三变量阈值滤波和多分辨引导滤波，本文提出一种去除高斯白噪声的图像去噪的有效方法。在非下采样剪切波变换域中，以三变量非高斯模型对方向带通子带系数间相关性进行建模，采用最大后验估计理论推导出三变量收缩阈值函数。此外，对低频子带系数采用多分辨引导滤波进行平滑处理，以达到更好的噪声抑制效果。实验结果显示，本文所提去噪方法可以有效抑制噪声同时保留更多的图像细节信息，与其他滤波算法相比，该去噪算法可得到更高的客观数据及更好的视觉效果。