脉冲序列式图像传感器是一种高速仿生视觉图像传感器，其成像质量受噪声的影响而下降。其中，空间噪声源于比较器等器件的失配，时间噪声源于随机性噪声和同步读出机制下的单码闪烁噪声。本文基于噪声研究和传感器原理建立了噪声模型，仿真预测了不同光电流和积分压降等参数下噪声引起的时间误差率。结果表明：积分压降的增加会减小单码闪烁噪声导致的时间误差率的波动及其他噪声引起的时间误差率；光电流的增加会增大单码闪烁噪声引起的时间误差率的波动；结电容的增加会增大时间噪声引起的时间误差率。最后测试了芯片在脉冲间隔重建方式下的噪声特性，验证了上述分析的正确性。研究结果对于优化脉冲序列传感器的设计、处理噪声和重建出稳定的图像具有指导意义。

为探究光斑图像在飞秒激光加工过程中的实际意义, 采集等离子体光斑图像并对图像的深度进行提取及分析。本文提出了一种基于图像序列的焦点深度提取(Depth Extraction from Focus Sequence)的方法, 可以有效地解决图像的特征点提取与匹配的问题, 得到更加精确的深度信息。首先, 采用主成分分析(PCA)方法和高通滤波结合的方法对输入的序列图像进行预处理。其次, 各向异性热扩散算法来增强空间频率特征, 增加光斑图像与背景区域的灰度反差值, 得到完整的光斑图像, 并对获得的图像进行像素提取, 选择其中级别最好的像素。然后用矩形中值滤波器过滤光斑的像素图像, 得到更加平滑, 噪声更少的图像。最后, 提取图像的深度信息, 并与传统方法得到的结果进行对比分析, 证实此方法优于传统的图片深度的提取方法, 提高了光斑三维形貌精度, 光斑能级层数得到了细化, 能级层数比传统方法增加了125%。

提出了一种增强型虹膜图像质量评价算法, 针对远距离移动中虹膜识别系统采集的受干扰虹膜图像, 通过量化单帧图像感兴趣区域的清晰度、可用度和对比度等质量指标, 计算序列图像的联合加权质量得分, 对虹膜图像序列的可用性进行评价, 有效筛除获取的低质虹膜图像序列。实验表明, 该算法提升了虹膜识别系统图像质量评价的准确性和可靠性, 从而能有效提升系统的鲁棒性和识别效率。

LK光流算法是一种精确高效的特征跟踪算法, 能够较大幅度提高图像配准的精度和速度。针对时间序列图像的配准问题, 基于LK光流算法, 通过基于图像金字塔的方式跟踪改进后的FAST特征角点, 采用一种鲁棒的单应矩阵估计算法解算配准参数, 提出了一种基于LK光流和改进FAST特征的实时鲁棒配准算法。通过一组时间序列图像从配准精度和配准速度两个方面对所提出算法的性能进行了验证分析, 平均重投影误差为0.16, 平均处理速度为30 Hz。实验结果表明, 该算法能够提取稳定的FAST角点, 快速准确地跟踪匹配序列图像之间的特征, 较好地解决时间序列图像的实时配准问题。

针对目标跟踪处理系统中的视线角速率提取问题, 提出一种利用单成像探测器所得序列图像求导视线角速率的方法。利用序列图像中的运动目标图像坐标解算得到体视线角, 通过图像匹配得到弹体姿态角, 进而求解得到视线角速率。实验结果表明: 结合图像跟踪算法可实时得到体视线角, 使用图像匹配可以较好地解算得到弹体姿态角, 解算结果误差小于±5%; 在体视线角和弹体姿态角均包含噪声的前提下, 使用卡尔曼滤波可以较好地还原视线角速率。该方法适用于微小型飞行器制导探测, 可以省去陀螺仪等惯性元件, 实现探测装置的轻量化、小型化, 具有实际的应用价值。

基于SURF帧间配准和运动历史图像构建, 提出了一种基于序列图像的运动目标检测新方法。针对运动检测容易出现虚警的情况, 结合多帧关联思想和碰撞检测理论提出多帧碰撞检测算法, 以剔除虚假运动目标。在标准测试集上测试序列仿真验证, 结果表明, 该运动目标检测算法具备较高的查全率以及极高的检测精度和极低的虚警率。

针对飞行器未知环境下自主地形跟随问题, 提出了基于前视序列图像天地线的地形跟随方法, 并利用适应角法设计了制导律, 该方法利用被动成像实时探测飞行前方地形信息, 降低了对数字地图保障及高精度导航的需求。六自由度非线性数学仿真结果表明 : 基于前视序列图像天地线的方法较传统基于数字地图的方法, 地形跟随平均离地高度可降低35%以上, 可大幅提高飞行器超低空突防性能。

针对激光模拟射击系统对激光光斑进行快速、高精度质心定位的要求, 提出了一种基于视频序列图像的光斑检测与高精度质心定位方法。该方法首先利用帧间差分图像和噪声估计参数对射击突发事件进行检测; 然后利用噪声估计方法确定光斑的分割阈值, 结合形态学滤波对目标光斑和背景噪声进行有效分割, 提取光斑区域, 同时降低窗口内外噪声。最后, 用4帧差分图像合成1帧高分辨率的图像来抑制图像噪声和计算误差的影响, 实现光斑质心的高精度定位。实验结果表明, 本文方法的光斑质心定位精度与稳定性均优于传统的方法; 其中光斑质心定位精度达到了亚像素级别, 稳定性度量平均值为0.000 49, 优于传统方法的0.002 97。得到的结果显示, 提出的方法有助于提升激光射击系统的性能。

石英和长石的识别对储集层研究具有重要意义。传统的矿物成分分析主要依靠人机交互式识别，工作量大且效率低，针对上述问题，提出一种利用岩石颗粒在正交偏光镜下的纹理特征进行识别的方法。首先用 Sobel算子提取样本图像的梯度信息，计算每个样本梯度图像的灰度共生矩阵的能量和相关性，利用能量和相关性为目标特征参数组建石英、长石特征参数样本库。应用人工神经网络 (ANN)分类方法进行训练，基于训练的结果，计算待识别颗粒的特征参数并分类。最后利用偏光序列图进行决策，得出最终识别结果。实验结果表明，此识别方法对石英和长石有较好的识别效果，识别率达 85%。