为了在水射流辅助激光加工过程中更加高效地观测工件表面的结构特征，本文提出了一种基于Retinex去雾算法的水射流辅助激光加工图像融合算法。首先，利用基于形态学理论的自适应性Retinex去雾算法解决水射流导致的气泡和表面模糊问题。通过图像区块的标准差值计算细节指数，确定高斯滤波函数的尺度，并计算单尺度函数线性叠加的权重。其次，采用离散小波变换分解聚焦区域不同的源图像序列，并根据人眼视觉原理拉伸细节分量。最后利用离散小波逆变换将分量重新融合，得到可以增强细节信息的全聚焦图像。当水射流喷嘴直径为0.4 mm时，算法处理后的图像的标准差、平均梯度和空间频率分别可以达到参考图像的95.41%、71.88%和67.29%；当射流倾斜角为45°时，上述三个指标分别达到了参考图像的90.59%、72.69%和94.50%。这表明本文所提算法有效提升了图像质量，对于在不同加工情况下获得的图像均可实现较好的处理效果，同时有助于提高加工效率。

针对当前去雾算法经常出现过度曝光、颜色失真等问题,提出了一种基于全卷积回归网络的去雾算法。该回归网络基于端到端系统,由特征提取和特征融合两部分构成。首先,输入有雾图像,经过特征提取和特征融合,最终回归为粗透射率图;之后使用导向滤波对其进行优化,再利用大气物理散射模型反演出无雾图像;最终采用限制对比度自适应直方图均衡化(CLAHE)对无雾图像进行增强,以得到更符合人类视觉的清晰图像。所提算法不仅可以有效避免去雾后出现的过度曝光和颜色失真等问题,而且能保留图像完整的细节信息,具有较好的去雾效果。

针对暗通道先验算法在天空区域透射率估计不准确的问题, 利用三个不同尺度的高斯函数分别作用于有雾图像的RGB通道来获得“伪”去雾图像; 其次, 利用有雾图像的混合通道得到自适应参数, 将该参数和最小值滤波共同作用于“伪”去雾图像, 接着用联合双边滤波消除纹理效应得到透射率的精确估计; 最后, 采用局部大气光估计方法, 结合大气散射模型复原出无雾图像.实验结果表明, 该方法不仅降低了时间复杂度, 且复原出的图像细节明显, 明亮度适宜, 对于大面积天空区域有良好的去雾效果, 改善了天空区域的颜色失真.

针对微型机电系统(MEMS)的三维测量, 显微镜或光学轮廓干涉仪等传统方法存在显微测量精度低、设备成本高等问题, 且当结构含有较多断裂面时, 解包裹算法效果欠佳。本文提出一种基于多图像融合的MEMS显微三维测量方法。不同于多角度显微三维测量方法, 本研究首先利用单目显微镜, 通过单一轴向移动获取一系列测量目标深度信息的单一角度图像, 并利用去雾算法对图像进行预处理, 实现了去噪和有效信息提取的目的; 然后通过聚焦测度算法获取待测对象的深度信息; 最后利用数据处理软件进行三维拟合。基于上述原理, 本文以焦平面阵列(FPA)作为待测目标进行了测量实验。本文提出的三维测量方法和图像处理算法可获得更准确的FPA形貌, 可清晰显示反射面与支腿部分及反射面上的释放孔, 测得FPA 的支腿长度为110.6 μm, 每个反射面的像元尺寸为120.8 μm×70.8 μm, 与设计值基本吻合, 解决了断裂面难以测量的问题, 同时降低了微结构测量的难度和成本。单目显微镜单向移动的多图像融合测量技术对MEMS的三维形貌测量具有重要意义, 去雾算法在图像融合与三维测量的图像处理也有很好的应用价值。

由于在海域条件下, 受到雾气、光线等多种气象因素影响, 光电装备获取的图像出现不同程度的退化现象, 导致图像的显示质量下降。为了提高图像增强方法在海域环境下应用的有效性, 本文针对海域图像海雾及照度不均的特点, 分析了4种常用的图像增强算法, 包括基于直方图均衡化的图像增强算法、基于暗原色原理的去雾算法、基于Retinex的图像增强算法、基于同态滤波的图像增强算法, 并总结了这些算法的特点及其使用场景。上述4种图像增强算法应用于海域环境下图像增强, 选择合适的增强算法可以有效提升图像对比度, 克服海域图像海雾及照度不均问题。

为了解决自然灾害遥感影像中局部存在浓雾的问题,提出了一种基于暗原色先验和雾天图像退化模型的图像去雾方法,并利用导向滤波实现光学遥感影像的去雾.首先,结合自然灾害遥感图像的特点,利用阈值将图像分为浓雾区域和薄雾区域,采用不同的方法得出两个区域的暗通道图;然后,结合导向滤波对透射率图进行优化,再对图像进行对比度拉伸,提高图像的动态范围,并选取多幅遥感图像进行去雾试验.最后,设计了一组图像增强质量评价指标,对去雾结果进行定量分析.结果表明,该方法能从物理特性上明显去除雾的干扰,提高图像清晰度,增强图像色彩和细节,从而复原得到高质量图像,在一定程度上能满足自然灾害遥感图像去雾的要求.