针对指针式仪表图像特点及现有读数识别方法存在的局限，提出了一种基于轻量级图像语义分割模型的读数全自动识别方法。首先，以轻量级语义分割网络CGNet为基础进行改进，通过增加通道注意力模块SENet进行特征增强和融合，同时适当加深分类层，从而预测更准确的刻度线、指针、量程数字等语义信息；接着，根据刻度线语义分割结果拟合椭圆，建立与标准圆的透视变换关系校正倾斜畸变的图像；然后，在校正图像中通过极坐标变换、图像细化、垂直投影等后处理操作精确提取刻度线、指针，并通过optical character recognition技术识别量程数字；最后，根据刻度线与指针相对位置关系及量程信息确定仪表读数。为验证该方法的有效性，构建了指针式仪表图像数据集。实验结果表明，该方法在图像语义分割精度上与现有轻量化方法相比有较大提升，对测试集图像读数识别的平均相对误差约为0.63%，可满足实际应用需求。

提出一种基于全变分投影和空洞修复的光场图像透视变换算法。该算法可估计输入光场图像每个子视点的视差图,通过图像反向投影和重投影优化生成指定虚拟相机位置和姿态的光场图像,接着使用基于视差优先级的图像修复方法修复透视变换后的中心子视点图像,再通过中心子视点向水平和垂直方向进行内容传播,依次修复其他子视点图像。实验结果表明,所提方法生成的透视变换光场图像满足需求,可正确填充被遮挡区域,可以应用于多种光场图像编辑。

针对KAZE特征匹配算法对视角变化敏感, 在大视角场景下不能实现正确匹配的问题, 提出了一种视角鲁棒的PKAZE(Perspective-KAZE)算法。该算法在原KAZE描述符的基础上, 计算特征点邻域内的二阶梯度均值, 形成新的扩展的80维描述符; 然后利用透视变换模型对待匹配影像进行多视角模拟, 在模拟影像上提取改进的KAZE描述符, 再进行特征匹配。最后, 选取5对含有最多正确匹配数量的影像上的匹配对作为初始结果, 利用随机抽样一致算法对初始结果提纯。对多组图像进行了匹配实验, 结果表明：与 KAZE、尺度不变特征变换(SIFT)和加速鲁棒特征(SURF)算法相比, 所提算法对视角变化具有更强的鲁棒性; 与透视尺度不变特征(PSIFT)和仿射尺度不变特征(ASIFT)算法相比, 本算法匹配正确率更高, 分别为PSIFT的2~10倍, ASIFT的2~7倍。提出的算法对视角变化具有很好的鲁棒性, 不仅对模拟影像的视角变化很稳健, 而且适用于真实三维复杂场景拍摄的大视角影像, 具有一定的实用价值。