为精确构建计算机立体视觉中的视差图, 提出了一种快速全局优化匹配算法。该算法采用吉布斯随机场模型描述空间点与其邻域之间的关系, 由改进的Graph Cuts方法对空间点的邻域进行匹配来获取场景的致密视差图。首先, 计算出一组具有明确匹配关系的稀疏匹配点, 将这些匹配点命名为“支撑点”; 然后, 对每一个支撑点的邻域进行扩展, 采用改进的Graph Cuts全局优化算法计算扩展后的邻域空间的匹配关系, 并将满足一定匹配度的邻域点设置为新的支撑点。最后, 重复上述步骤并逐级扩展, 直至扩展出的匹配空间覆盖整个视图, 进而获取待匹配图对的致密视差图。实验结果表明, 该方法不仅对不同场景视差图的质量具有良好的一致性, 而且匹配速度较快(匹配时间约为0.8~1.2 s), 大大高于其他传统的全局匹配算法。为体现本文算法的实际应用价值, 以Smart Eye Ⅱ立体视觉试验台为测试平台, 对真实场景进行了视差图构建, 取得了良好的试验效果。

考虑在双目立体视觉匹配算法中置信传播算法虽然能获得较好的视差图但匹配速度较慢，本文提出了一种基于置信传播的并行匹配方法。该方法以置信传播为基础，采用并行机制来提高匹配速度。首先，利用最优边缘算法计算图像中的边缘信息；然后，利用边缘信息将整个待匹配视图切割成若干小的区域，使用OpenMP多核优化算法并行对各个小区域进行匹配；最后，合并出整个视差图。使用Meddlebury测试平台提供的立体图对进行了实验。结果表明，在保证匹配准确率的前提下，置信传播算法将匹配速度提高了3.51倍，为立体匹配的实际应用奠定良好的基础。该方法在具备多核处理器的嵌入系统中也有良好的应用前景。

由于冷轧带钢表面缺陷图像中存在过渡区, 在图像分割过程中既要利用灰度信息也要利用空间结构信息才能取得好的分割效果。因此, 本文研究了信息熵中的超熵以及模糊集理论, 根据超熵可以用来测度图像的空间结构, 模糊集可以描述出图像灰度过渡区的特性, 提出了一种基于超熵和模糊集理论的图像分割算法。结合超熵和模糊集理论构建出模糊超熵, 通过计算图像的最大模糊超熵所对应的最优隶属度函数参数组合确定了分割阈值, 并利用该阈值完成图像分割。将该算法与Ostu以及一维最大模糊熵分割算法相比较, 结果显示, 本文算法能够准确地从背景中提取缺陷, 有效地抑制了过分割现象。利用提出的误分割率和有效信息率对分割后的图像进行定量评价, 结果表明, 用本文算法分割后的图像有效信息率在3种方法中最高, 均在82.7%以上, 同时误分割率均低于2.1%。

为了校正强反射表面图像的亮度不均匀性，抑制局部强亮度现象，同时使其保留足够多的原始图像信息，研究了强反射表面缺陷图像的预处理方法。分析了强反射表面的光学特性，研究了偏微分方程理论及同态滤波算法，在此基础上提出了一种基于偏微分方程的同态滤波算法，即采用热传导方程滤波算子对同态分解的图像进行处理。引入信息熵对不同尺度参数下的处理效果进行评价，从而确定热传导同态滤波的尺度参数，并将该算法与背景去除法、基于小波的同态滤波算法进行了比较。对比实验表明,采用提出的算法处理后得到的图像其灰度级均匀分布在1～6之间，信息熵值均在91%以上。该方法校正了图像亮度的不均匀性，提高了图像质量，同时能保留足够多的原始图像信息。