为了高精度测量被测物体表面3维轮廓，采用半导体激光器波数扫描干涉的方法，对激光波数扫描干涉进行了理论分析和实验验证。在迈克尔逊干涉系统的参考端引入一个光楔，通过2-D傅里叶变换提取光楔干涉图像的相位，在线检测激光器输出波数变化，最后对所有时间分辨干涉图像序列进行随机采样傅里叶变换，还原被测物体表面3维轮廓。结果表明，轮廓测量精度达到±6.7nm。该方法特别适合于机械零件的质量检验。

针对医学CT图像边缘模糊、对比度低、噪声污染严重等特点，本文提出了短时分数阶傅里叶变换域的向量无穷范数方法，用于CT 图像的边缘检测。短时分数阶傅里叶变换域的虚部能够反映非平稳信号的局部信息。首先，对一维非平稳信号做短时分数阶傅里叶变换，得到短时分数阶傅里叶变换域；其次，计算变换域虚部的向量无穷范数，将二维时频面映射为一维信号，得到非平稳信号的边缘信息。实验表明本文方法具有检测信号边缘的能力，能够有效提取CT 图像的边缘，对弱边缘信号也具有较好的检测结果。与经典微分算子和小波变换比较表明，本文方法对CT 图像边缘检测表现优良，对噪声污染图像具有较好的鲁棒性。

由于传统的多聚焦图像融合算法不能对图像中聚焦区域划分进行有效度量，提出了一种新的多聚焦图像超分辨融合方法来改善图像融合效果。该方法对图像清晰区和模糊区进行度量，并利用稀疏表示方法对度量后的清晰区域进行超分辨重建。首先，采用空间频率方法提取源图像中清晰区域与模糊区域，然后确定清晰区域中的主清晰区和次清晰区，并计算它们的真实下采样尺度。最后，通过学习多尺度稀疏表示字典对图像中次清晰区域进行超分辨率重建，并与清晰区域结合形成最终融合图像。实验及各种定量评价结果表明，提出的方法较常规方法具有更好的融合性能，得到的图像更清晰。对比Harr小波，非下采样轮廓波变换(NSCT)，剪切波(Shearlet)变换等方法，其熵(EN)提升了1%，峰值信噪比(PSNR)提升了0.62 dB，清晰度(SP)和空间频率(SF)提升30%，均方误差(MSE)下降了6%左右。

针对存在复杂背景干扰和噪声的红外图像弱小目标检测问题，提出了一种非下采样Contourlet变换(NSCT)的改进的红外弱小目标检测方法。首先对含弱小目标的红外图像进行预处理，然后利用NSCT进行变换，并利用改进的非线性映射函数和能量交叉融合相结合的方法实现了背景杂波的抑制，最后引入Otsu算法进行阈值分割分离出红外弱小目标。通过与同类弱小目标检测算法的对比实验，验证了该方法的有效性。

为了解决SUSAN滤波算子不能自适应调整滤波系数的问题，采用Geusebroek提出的各向异性高斯滤波器替代SUSAN滤波算子中的高斯滤波部分。由局部图像的方差和像素的邻域平滑度决定长短轴的方差，由该点的梯度方向决定滤波器的长轴方向，由局部图像的灰度值与均值差的一阶范数确定SUSAN滤波器的阈值，从而构造出各向异性SUSAN滤波器。将其用于红外弱小目标检测中，实验结果表明：各向异性SUSAN滤波器能够很好地保留图像中的边缘信息，使残差图像中弱小目标的信噪比增益和信杂比增益极大地提高，目标大小得到较好的保留，虚警率下降。