提出了一种基于粒子群优化的融合方法，旨在解决图像融合过程中可能出现的光谱信息和空间细节信息损失、融合图像不清晰等问题。首先对原始图像进行预处理，以获取图像各通道的边缘检测矩阵；其次，利用最小二乘法计算光谱覆盖系数，以获取细节图像；最后自适应注入模型框架，引入加权矩阵，利用粒子群优化算法和综合全局相对误差（ERGAS）指数函数优化边缘检测的权重，计算数据集波段权重，生成最终的融合图像。选取了不同分辨率的遥感卫星影像（WorldView-2、GF-2和GeoEye）进行了研究，并采用5种不同融合方法进行对比实验，选用6种评价指标进行定量分析。结果表明，所提方法在主观视觉效果以及平均梯度和空间频率等客观定量评价指标上表现优于其余方法，在保留光谱和空间信息方面也取得了较好的融合效果。

受限于材料和制造工艺, 红外图像中普遍存在着条纹非均匀性, 其严重影响了图像的成像效果, 进而对后续的目标识别、检测等工作造成干扰。典型的最小均方误差(LMS)算法在一定程度上可以抑制条纹非均匀性, 但其场景适应性差, 存在拖尾和“鬼影”现象。提出一种改进型的最小均方误差(LMS)自适应滤波算法对图像进行处理, 利用双边滤波和最速下降法快速获取准确的校正参数, 将前一帧算出的校正结果作为后一帧的初始输入值, 提升算法的准确性, 同时算法还增加了边缘检测模块以保留图像细节。采用不同场景下非制冷型探测器的真实红外图像, 从主观和客观两个方面对比了本算法和经典LMS算法, 结果表明, 提出的算法可以很好地保护图像细节, 也具有良好的场景适应性。

针对无法实现先验的边缘检测场景，并解决边缘提取效率过低的问题，提出一种更高效的基于傅里叶单像素成像的亚像素级边缘检测方法。该方法结合快速傅里叶单像素成像，减少图像算法的相移步数，在原有四步相移的基础上分别实现了三步相移与两步相移边缘检测。该算法上的改进能够在同等采样数下扩大参与边缘提取的频谱宽度，从而提升边缘提取效率。数值仿真结果表明，与四步相移亚像素级边缘检测相比，无噪声条件下两步相移在 655~13100次左右的采样数区间内峰值信噪比增长幅度高出 2.27dB，噪声条件下低于 0.054噪声浮动比率时两步相移方法可以获得比四步相移更高的边缘提取质量。该方法可以一定程度上提升边缘提取效率，同时促进单像素成像领域与图像处理方向的技术交叉和应用化发展。

针对传统边缘检测方法受高斯噪声、椒盐噪声污染及边缘梯度变化幅度小等因素影响而出现的物体轮廓检测效果不理想、误检率、漏检率高等问题，提出Canny-Cauchy边缘检测算法。该算法是Canny算法的一种改进，首先对椒盐噪声图像进行自适应中值滤波预处理，在清除椒盐噪声的同时保护边缘不被模糊。在滤波器的设计上，该算法使用柯西分布函数的一阶导数作为边缘检测函数，通过对函数采样得到边缘检测滤波器。对所提边缘检测函数按照边缘检测算法的三条设计准则进行理论分析，并在BSDS500数据集上与其他边缘检测算法进行对比实验。实验结果表明：在降噪方面，该算法可以在20%密度的椒盐噪声下保证处理后图像的峰值信噪比大于30 dB，结构相似性大于0.9；在边缘检测方面，该算法比传统Canny算法对白噪声的抑制能力以及对真实边缘的响应能力更强，在BSDS500数据集上的F1分数提升了7.5%，平均准确率提升了10.2%。