针对传统的聚焦评价函数在应用时出现的一些诸如稳定性和精度不足、易受噪声干扰等问题, 提出一种基于大津法分割和局部最大梯度的自动聚焦算法。算法对前背景分割后的图像进行局部梯度计算, 并统计非零系数和计算局部方差, 利用二者变化特性设计一个新的清晰度评价指标以实现数字图像的自动聚焦。实验结果表明, 算法具有高灵敏度、较好的稳定性和较强的抗噪能力。

红外弱小目标检测是图像处理的难点之一, 许多研究人员提出了不少检测方法。针对复杂背景与强杂波干扰下图像信杂比(Signal-to-Clutter Ratio, SCR)低造成的目前检测方法易受伪目标干扰、虚警率高的问题, 提出了一种多信息融合的红外弱小目标检测算法。首先, 构建八向局部灰度残差信息图; 其次, 设计一个滑动窗口遍历整个图像, 将图像分为一系列局部图像块, 对局部图像块的强度均值进行约束, 获得局部强度均值约束信息图; 然后, 将局部图像块进一步划分为 12个方向块, 对每个方向块中像素的梯度方向进行约束, 获取梯度方向约束信息图; 最后, 上述 3个信息图像通过点积运算得到最终显著图, 并利用阈值分割实现弱小目标的分离。将该算法与 3种其它不同算法从信杂比增益(Signal-to-Clutter Ratio Gain, SCRG)、背景抑制因子(Background Suppression Factor, BSF)以及检测率与虚警率的接受者操作特征(Receiver Operating Characteristic, ROC)曲线方面进行对比。实验结果表明: 该算法具有更高的 SCRG、BSF和 ROC曲线下面积(Area Under the Curve, AUC), 不仅能有效地抑制背景杂波、剔除伪目标, 而且能准确地检测出红外弱小目标, 具有较高的检测率。

针对L2范数的非局部变分模型在迭代过程中未考虑图像局部梯度信息, 模糊图像细节信息的缺点, 提出了一种基于L1范数的非局部变分模型。首先, 对基于L1范数的非局部变分模型的扩散性能进行了详细的分析。接着, 将该模型应用于退化图像的复原中, 并推导出该模型的Bregman交替迭代求解过程。最后, 通过对比实验, 证明本文提出的L1范数的非局部变分复原模型能更好地重构图像的细节信息, 相对于L2范数的非局部变分模型峰值信噪比提高大于1 dB, 图像复原性能更优。

考虑对脑血管进行三维分割具有一定难度，提出了一种基于全局LBF (Local Binary Fitting)水平集模型的脑血管层次化粗分割方法。首先，应用定向加权中值(DWM)滤波和各向异性扩散滤波去除脑图像噪声，同时保存血管边缘信息，在多尺度条件下局部梯度最大(LIGM)算法，应用灰度和梯度信息提取备选血管，基本实现脑灰质去除。然后，改进全局信息LBF水平集算法实现最大强度投影(MIP)图像分割，采用形态信息提取备选血管，剔除干扰组织。最后，融合两种方法实现脑血管粗提取。实验表明，层次化的分割方法可去除大部分不相关脑组织，包含直接双高斯统计模型中的所有分割血管信息。本项研究基于时飞磁共振血管造影(TOF_MRA)数据，相关研究结果可扩展到其它相似系统中。

针对红外图像的小目标检测问题,提出了一种基于局部尖峰特性的检测方法.首先分析红外小目标的局部灰度特性,提出了一种红外目标的峰值特性判据; 然后依据目标的峰值特性判据和时域特性,设计了一种目标检测的快速算法,算法先基于子块预选出局部极大值点,把后续运算限于各极大值点处以减少运算量,再根据极大点值在各方向上的灰度下降判断其尖峰特性; 最后利用帧间的连续性滤去噪音引起的伪目标.实验表明本文的算法具有很快的处理速度,且能有效滤去图像中的随机噪音.

针对人脸识别中的特征提取问题,本文提出了一种由粗到精快速准确的嘴部自动检测和定位方法。该方法首先通过Adaboost 算法检测出人脸图像大致的嘴部区域,缩小了后续定位的搜索范围;采用局部梯度算子提取嘴部轮廓,通过Ostu 阈值法对提取的轮廓进行二值化处理,根据链码跟踪最终确定左右嘴角的精确位置。实验结果表明,该方法自动检测和定位嘴部快速准确,对表情和姿态的影响具有比较高的鲁棒性,有助于提高人脸识别算法的识别率。

为解决红外弱小目标检测技术中结构化背景抑制的难题,利用双边滤波集成了图像几何、光度和局部结构相似性等信息并以非迭代、局部操作的优点,提出了一种基于双边滤波的红外弱小目标背景抑制算法,并引入了局部梯度的统计特性来抑制背景细节、增强目标信息,从而达到更好抑制图像中的背景,突出目标图像,提高图像整体对比度、信噪比的目的。实验结果显示,与小波滤波算法比较,该算法对含有弱小目标的复杂背景从主观视觉和数值指标都具有良好抑制效果。