未来战争将向海陆空天一体化、海量数据信息化发展，舰船作为海洋信息感知的重要目标，其检测技术的发展对于红外安全防御系统具有重要意义。根据红外载荷成像特点，提出了红外目标检测的基本框架，并详细介绍了预处理、目标粗检和目标鉴别三个关键步骤的研究现状，在此基础上对各种算法进行比较并指出其适用性和优缺点，最后对其未来发展趋势进行了展望。

针对糖尿病性视网膜图像数据集的不均衡、组织形态的特征提取不充分、分级准确率不高等问题,本文提出一种基于DR-Net模型的改进识别算法,即Improved DR-Net。选用Kaggle失明检测竞赛数据集APTOS 2019 Dataset,采用多种数据增强策略扩充数据集,并引入Eye-PACS数据集进行无偏修正,同时采用高斯滤波等形态学方法增强眼底图像特征;对ResNext50聚合残差结构进行预训练,通过迁移学习对基线模型进行参数及结构微调;引入空洞卷积代替普通卷积,融合注意力机制进一步优化模型性能。测试结果表明,本文所提的Improved DR-Net模型大大提高了糖尿病视网膜病变分级的准确率:阳性预测值97.9%,阴性预测值98.03%,准确率达到98.04%,远高于同类算法。结合深度学习技术辅助视网膜病变的筛查,对于视网膜病变的早期自动筛查具有一定的指导意义。

针对复杂环境下图像分析的困难性，研究了一种基于HSV 空间模型的图像分割与检测方法。首先，利用无人机采集图像，区域分割提取出光伏电池板区域。其次，运用高斯卷积检测裂纹图像的梯度。最后，应用形态学图像处理与HSV 空间模型的方法提取遮挡物，计算最小外接矩形面积与其占光伏电池板的比例。该方法能有效地对复杂背景下的光伏图像进行区域分割与检测，具有一定创新性和实用价值。

混凝土结构在施工与使用的过程中易产生各种形式的裂缝,由此会产生诸多安全问题。传统的人工安全检测方法,不仅耗费财力和时间,而且无法保障其检测精度。为了提高混凝土表面裂缝的识别效率,提出了一种基于卷积神经网络结合聚类分割的识别方法,实现了对较复杂背景下混凝土表面裂缝图像的准确识别。研究结果显示,该方法不仅能够高效地分类,还能够高精度地对较复杂背景下的裂缝进行识别,这为降低混凝土表面裂缝识别的工作量、维护混凝土结构,对其进行安全检测提供了理论依据,同时也为以后更高精度和更复杂条件下的裂缝识别研究提供了一些参考。

运动目标检测, 是指从视频图像中将运动变化区域提取出来的检测技术, 是图像处理技术的基础。在**公安、交通管理、视频监控、医学检查等领域应用广泛。为了改进单独采用帧差法或背景减法进行运动目标检测时存在的不足, 本文提出一种利用边缘信息的三帧差法与基于混合高斯模型的背景减法相结合的运动目标检测算法。该方法对视频图像中连续的三帧图像两两差分, 对3个差分图像取均值, 二值化, 再经过形态学处理, 并对中间帧进行Canny边缘提取, 将二者进行“与”运算, 即得到运动目标的边缘, 用背景减法提取中间帧的前景, 二值化, 将其和目标的边缘进行“或”运算, 经过形态学处理便可得到运动目标。实验结果表明, 使用该方法目标检出率提高了9.7%~72.1%, 误检率降低了0090%~2900%。这种二者相结合的方法相对于单一的检测算法能够有效、可靠地提取出运动目标。

为了解决红外弱小目标精确自适应检测的问题, 本文提出了一种基于Canny算法、top-hat算法和中值滤波算法结合的红外弱小目标检测方法。该方法不同于传统的Canny弱小目标检测方法, 本方法先选定合适的窗口对图像进行中值滤波处理, 在去除噪声的同时有效保持图像的边缘信息; 再用形态学处理中的top-hat算法抑制复杂背景, 去除云层; 最后使用自适应Canny算法提取红外小目标的边缘信息精确定位目标的位置。实验结果证明了该方法的有效性和优越性, 本文设计的组合算法能够精确定位小目标的位置, 信噪比增益达到10倍以上, 排除噪声以及云层的干扰作用较强, 具有一定的自适应性。

为了探究小功率激光模具自动修复技术, 利用同轴视觉采集系统采集模具的裂纹图像, 结合数字图像形态学细化处理识别裂纹位置信息, 建立了数字图像处理流程, 得到裂纹的轨迹信息, 将裂纹轨迹信息矢量化后,经曲线拟合生成数控代码,导入到数控系统完成激光模具修复。裂纹图像经图像去噪增强、形态学细化等处理后, 能够有效地得到裂纹中心线, 将裂纹位图矢量化后转为DXF文件格式,通过CAM软件生成数控加工代码。结果表明, 该方法加工精度达到0.0368mm,满足模具修复的精度要求; 通过图像形态学细化处理技术可以实现激光模具自动修复。这对激光加工设备实现自动化和智能化提供了理论支持和技术基础。

针对基于图像融合的隐藏在人衣服下面的**检测技术存在的未充分保护人体的隐私权、色彩失真等问题，提出了一种基于模糊C 均值 (Fuzzy C-means Clustering，FCM) 聚类分割的隐藏**检测方法，该方法采用FCM聚类、数学形态学对红外图像进行**分割与提取，并将**融合到彩色可见光图像HSI 空间的I 分量中，通过逆变换得到RGB 彩色融合图像。该方法的融合过程只有**参与，避开了人身体的其他部位，保护了人体的隐私权，且融合图像维持了源可见光图像的真彩色、**目标清晰。经过对比实验，本文方法得到的融合图像具有更丰富的信息，在主观上具有更好的视觉特性，在客观评价指标上也取得了良好的评价。

密集杂波环境下，传统的点迹融合方法进行点迹数据关联处理时，运算量大、错误关联明显。针对这一问题，提出一种基于点迹态势图像处理的数据关联方法。首先根据传感器探测性能与目标速度范围估计实现点迹量测的图像化，生成点迹态势图像;然后对图像进行邻域连通性判别等形态学处理，实现杂波点迹的剔除。结合像素点对应点迹含有的时间信息进行连通域标记，得到不同目标点迹的归类划分，进而实现点迹数据的关联处理。仿真验证表明，该方法从原理上避免了组合爆炸，降低了运算量，且能够很好地解决错误关联问题，提高数据关联处理的准确性。

推扫式遥感相机图像中存在微弱的条带噪声，干扰数据分析精度和后续图像处理。在分析其噪声特性后，提出了一种去除条带噪声的方法。以相对平坦区作为参考图像，获取垂轨边缘信息并进行图像形态学处理，从而获得各像元的校正参数来对图像进行补偿。实验表明，可以将遥感图像峰值信噪比由32 dB提升到48 dB；相较于目前已有的去条带噪声方法，该方法处理的图像畸变较小，变异逆系数及信噪比提升幅度较大，在有效去除条带噪声的同时保留了原图像灰度信息，提高了图像质量。