运动阴影与目标物体粘连, 具有运动一致性, 常常被误检测为运动目标的一部分。运动阴影的存在改变了运动物体的形状, 影响运动目标前景的进一步分析。为了解决这一问题, 提出了一种基于改进萤火虫优化算法的运动阴影去除算法。通过基于种群历史最佳位置影响的改进萤火虫算法(IFA)优化 2-Otsu(二维最大类间差法)距离测度函数的寻优过程, 获得最佳阈值, 并以此进行图像分割, 去除运动阴影, 并同传统 2-Otsu法、粒子群算法(PSO)优化 2-Otsu法、萤火虫算法(FA)优化 2-Otsu法进行比较。实验结果证明, 该方法较其他三种方法分别快 2.69倍, 1.42倍, 1.21倍; 另外, 在区域一致性、阴影检测率和识别率方面均优于其他三种算法, 验证了方法的有效性。

最大类间方差(Otsu）图像分割法是常用的一种基于统计原理的图像阈值分割方法。为了改善Otsu耗时较多、分割的精度低、易产生图像误分割等不足, 将猴王遗传算法与Otsu算法结合, 运用猴王遗传算法的原理, 寻找图像灰度的最大类间方差, 即最佳阈值。结果表明, 结合后的方法不仅提高了图像的分割质量、缩短了运算时间, 而且非常适合图像的实时处理。

为了提高图像分割的质量，采用2维最大熵最佳阈值方法，首先通过灰度区域确定该域像素的2维随机向量，在准则函数下求得到2维最大熵最佳阈值；接着通过递推优化对2维最大熵最佳阈值计算数据优化处理，减少重复性数据计算量；最后通过分割图像区域与原目标空间位置的互信息量最大准则，把误分割误差函数作为检测分割标准，给出了算法流程；并仿真出了不同算法的图像分割结果。结果表明，该算法得到图像分割的精度较高，没有背景与噪声的残留，保留了图像信息，执行速度快、分割效果视觉好、误分割误差最小。这对提升图像分割效率是有帮助的。

针对空天背景光学图像中弱小目标的特点,结合以TMS320DM6416 DSP芯片为主处理器的硬件处理平台的资源性征,设计了两种适合硬件处理平台实现的目标提取算法,并进行了比较。实验证明该算法检测效率高,实时性好。

为实现CR图像实时快速分割，提出一种针对直方图的包络特征进行处理的新方法。首先计算出图像的直方图，然后对直方图进行形态学滤波，提取出直方图的包络，在此基础上对直方图的包络采用改进的基于标记的分水岭算法自动提取出最佳阈值。最后根据从直方图中提取出的、代表图像特征的阈值对CR图像进行实时快速分割，在采集完图像的同时就可以得出分割结果。通过实验和时间复杂度与空间复杂度分析表明，采用提出的算法通过减少运算量，可以快速分割出CR图像并提取出感兴趣区。

提出了一种新的边缘检测算法.根据所提出的梯度幅值计算方法求出整幅图像的梯度幅值均值和图像中所有像素点的梯度幅值相对与均值的方差.由图像的梯度幅值均值和方差计算出图像的最佳阈值.然后根据提出的噪声剔除方法对由最佳阈值判定的初始边缘中的噪声进行剔除.实验结果表明所提出的算法在精确定位边缘的同时也较好地抑制了噪声.

对电视经纬仪拍摄到的飞行小目标图像进行了归一化高斯模板相关.传统的模板相关方法不能将真假目标集合充分分离,导致真目标的漏检或引入虚假目标.基于模板相关的高斯函数拟合方法(Gaussian Function Fitting Method, GFFM),对模板相关所得到的目标集(含有真目标和假目标)中的每一个元素进行高斯函数拟合,并引入了一个更为灵敏的检验量-高斯函数拟合误差,可以将真假目标集合明显区分开,减小阈值确定的难度.实验表明:当相关系数阈值rth=0.8时,传统模板相关方法漏检率20%,虚警率40%;而GFFM方法则检出了所有真目标,且无虚假目标.