基于压缩感知理论提出了一种红外与可见光图像的融合新方法.该方法将Contourlet变换(CT)和小波变换(WT)相结合,以进一步增加变换后系数的稀疏性,同时对采样模式和融合规则进行改进.首先对图像进行Contourlet变换,再对各高层分解系数进行正交小波变换;然后使用各层采样率不同的分立双放射形采样矩阵对系数采样,并用不同的规则对各层采样值进行融合;最后使用非线性共轭梯度法重构融合图像.实验结果表明,在采样率为0.5时,本文方法融合图像的细节信息比小波方法和小波变换压缩感知(WTCS)方法更加丰富;在所有采样率上,本文方法的融合效果比WTCS法在互信息、空间频率和融合信息逼真度等客观融合质量评价指标上均提高约10%.

为了满足注入式仿真系统对实时性的要求, 提出了一种基于实时优化自适应网格(ROAM)算法的自适应真实感地形生成算法。将基本ROAM算法生成的地形作为基网格, 提出了一种新的评价参数, 通过比较给定阈值与参数来判断是否进行局部细分。对满足细分条件的顶点进一步提取地形的尖锐特征, 采用Loop算法细分局部曲面。在实时漫游过程中利用旋转映射技术生成一个视频流实时输出到注入式仿真平台并显示在数字视频接口(DVI)显示器上。实验结果表明: 该算法在实时漫游仿真时, 平均帧频达到45.130 3 frame/s, 峰值帧频接近50 frame/s, 高于原始算法的36 frame/s。得到的仿真地形场景能够在注入式仿真平台上流畅输出到DVI显示器, 平均帧频为45 frame/s左右, 满足注入式仿真系统实时性的要求。

针对经典约束纹理映射算法在保持纹理有效性的同时算法复杂度高的问题，提出了根据评估值自适应选取目标函数的约束纹理映射方法。结合模型的参数化平面，计算模型特征点三角化后每一个三角块内部所有顶点的评估值，根据与给定阈值比较后的结果自适应选择目标函数。对于不能直接应用两种目标函数的三角块进行迭代三角化并计算下一级三角块的评估值。针对局部特征点映射不精确的问题采取局部邻域调整方法，只需调整一阶或者二阶领域的顶点位置即可。实验表明本文算法相较于经典算法时间复杂度平均提高75%以上。将本文算法映射后的模型加载到高帧频实时渲染系统中，实验表明本文算法具有很好的鲁棒性，重复实验表明本文算法可以保持纹理的有效性。

为提高低亮度红外与可见光图像融合的视觉效果，提出了一种对比度增强的图像融合算法。使用双边滤波器对光照进行估计，提出了双边滤波子带分解多尺度Retinex变换，并在此基础上对原图像进行子带分解。使用基于局部空间频率的细节增强融合策略完成子带内系数融合，使用全局方差加权融合策略完成子带间系数融合。使用非线性拉伸法将融合结果由对数域映射到显示域。实验结果表明，该方法可有效消除光晕，提高融合图像清晰度，使细节信息更突出。