随着成像技术的发展，偏振信息在成像技术中的应用逐渐受到广泛的重视。偏振信息的提取方式就显得尤为重要。穆勒矩阵作为表示光照射到物体前后偏振态变化的系数矩阵，其不仅与物质本身息息相关，而且含有大量的偏振信息。此外由于穆勒矩阵含有16 个元素，且每一个元素含有的信息都不尽相同，充分利用这些信息能够在目标识别、目标信息增强方面以及目标与背景分离的应用中起较好的促进作用。通过提出一种穆勒矩阵图像的获取方式，并对穆勒矩阵的信息加以初步的处理，最后与偏振度的信息加以对比，充分体现出穆勒矩阵图像在偏振成像应用中所具有的价值。结论表明通过穆勒矩阵图像处理后得到的图像比偏振度图像信息更加完整，能够对后期的模式识别处理提供良好的基础。

为了降低强视差下移动相机运动目标检测的虚警率，提出了一种基于深度约束方程的运动目标检测方法。重点研究了二维图像坐标系到三维世界坐标系之间的关系，并根据图像深度信息和摄影几何原理，结合前后两帧图像和相机内部参数，提出了深度约束方程。深度约束方程包含了图像灰度信息和深度信息，利用深度约束方程可以有效地去除因相机移动产生的视差对目标检测的影响。利用该方法对实际的图像序列进行了分析与处理，并与相关算法进行了对比分析，实验结果表明该方法能够消除移动相机下由于视差造成的虚警，提高移动平台运动目标检测的准确性。

提出了一种基于图像三维信息及摄像机运动参数的图像匹配算法, 用于解决智能监控系统中图像匹配实时性差、鲁棒性低等问题。该算法分别利用惯性传感器和Kinect摄像机估计出摄像机的运动外参矩阵和图像的深度信息, 再根据射影几何原理, 结合当前帧图像的像素坐标计算出该像素点在下帧图像的像素坐标, 从而完成图像匹配。利用该算法对实际采集的图像序列进行了分析与处理, 并从配准精度、鲁棒性和实时性方面与经典匹配算法KLT进行对比。实验结果表明: 该算法极大地降低了计算量和计算时间, 不仅能满足智能监控系统对图像匹配精度和稳定性的要求, 更能满足系统实时性的要求。

针对复杂动态场景中粒子滤波算法跟踪目标时稳定性不高且易受背景噪声影响的特点，提出了改进的卡尔曼粒子滤波（KPF）目标跟踪算法。利用卡尔曼嵌入粒子滤波的方法对粒子滤波预测的状态值进行二次预测，并且利用二次采样技术增强粒子的丰富度，从而在一定程度上消除背景噪声的影响。同时为了满足卡尔曼滤波对线性运动的要求以及消除背景快速变化对跟踪精度的影响，采用灰度投影算法计算背景偏移从而进行运动补偿。实验结果表明，改进的卡尔曼粒子滤波跟踪算法在复杂动态场景中可以有效地跟踪运动目标，证明提出的KPF 算法精度高、稳健性强、实时性好。

传统的基于方向梯度直方图与支持向量机的行人检测方法运算量大，针对这一问题，本文从轮廓特征的角度出发，提出了头肩轮廓特征与神经网络相结合的检测方法。该方法根据人体头肩模型具有相对稳定性，且轮廓特征可以作为人体识别的依据，采用边缘检测与均值漂移相结合的方式提取人体轮廓，采用经PCA 降维的傅里叶描述子提取轮廓特征，结合神经网络分类器完成初次人体识别。采用RGB 头发模型和均值漂移方法，对遮挡情况下被判别为非人体的目标图像做进一步处理，聚类出多个人体头肩模型，重新参与分类。实验结果表明，本方法人体检测的准确率和检测速度与现有的算法相比都有所提高，且克服了遮挡情况下人体头肩模型提取错误的弊端，提高了人体检测的识别率和应用范围。

从多视角几何的角度分析了强视差下基于运动相机的运动目标检测问题，提出了曲面单应模型，给出了多视角下的三维静止场景的约束条件。现在一般的方法是平面加视差或直接用基础矩阵等简单的几何约束，但无法解决约束条件退化的问题。该算法框架提出了比基础矩阵更强的约束条件，将基础矩阵面退化情况改进为曲面单应下的线退化，并根据曲面单应引入了建模、学习、检测的过程，从而解决了约束条件退化的问题。与以往算法不同，该算法不需要主平面，也不需要防止摄像机出现退化的情况。根据实际采集的图像序列进行了分析对比，真实的数据测试表明该算法在保证算法准确性与稳定性的前提下，能快速有效地学习摄像机的运动，极大地提高了运动目标的探测率，解决了约束条件退化的问题。

从射影几何的角度分析了单目移动相机下场景运动矢量与摄像机运动之间的关系，基于摄像机光心坐标系，提出了一种快速极线估计算法.该算法中摄像机在此坐标系下永远静止，只有场景和运动目标在运动，将原来移动平台下运动目标检测的问题转换成静止平台下场景全局运动与运动目标独立运动的问题，并推导出光流约束的简洁形式.该算法框架能够根据KLT算法获得Harris角点光流场，并根据实际图像的运动场补偿摄像机的随机运动，同时在保证算法准确性与鲁棒性的前提下，与原来算法相比，计算速度提升了10倍左右.根据实际采集的图像序列进行了分析对比，真实的数据测试表明快速极线估计算法在保证算法准确性与鲁棒性的前提下，极大地降低了算法的计算量与计算时间，从而无需三维重建便可有效地解决单目移动摄像机下运动目标检测的问题.

混合高斯背景更新算法在处理红外目标检测中，与其他算法相比有着明显的优势。然而传统的混合高斯背景更新算法仍然存在着不足，针对传统算法的不足，提出了有效的改进方法，使混合高斯背景更新算法的处理分为兴趣区和非兴趣区进行处理，在不同的区域采取不同的高斯分布个数和权值更新速率进行处理，同时通过改变不同的背景更新速率可以处理背景发生突变的情况和前景目标静止的情况，有效地提高了混合高斯背景更新算法检测红外目标的能力，仿真实验取得了较好的效果。

提出了一种基于 Harris角点的 KLT跟踪图像配准算法用于解决红外搜索跟踪系统中红外图像配准问题。该算法首先对红外序列图像进行 Harris角点检测, 选取合适的角点作为跟踪点, 对跟踪点进行 KLT跟踪, 通过 KLT算法计算出序列图像间的位移量, 从而实现红外图像配准。整个算法在 DE2-115系统平台上实现, 采用 CycloneIV系列的 FPGA, 在 Quartus13.0软件上利用 Vhdl编写和调试 Harris角点检测、KLT跟踪以及匹配程序。最后结论表明, 该算法能满足红外图像配准的精度和稳定性, 并且 FPGA在图像处理中可以提供更高的运算速度, 更能满足图像配准的实时性要求。

在目前图像配准算法中，相位相关法是相对比较成熟的，并且有较多的改进算法，但是随着算法的复杂度增加，相应的运算量也增加，那么在保证效果的同时实时性却无法保证。根据这一现状，提出了在FPGA中实现相位相关法配准技术。在以FPGA为主处理芯片搭建的平台上，利用光纤高速传输图像，实现并且验证了相位相关法的可行性。详细阐述了相位相关法在FPGA中实现的主要步骤。结果表明，相位相关法能在FPGA中实现，并能充分利用FPGA的并行性和资源多的优点，使得处理算法的时间缩短，可以满足实时性要求。