为了解决目前深海生物探索中存在的“有观无测”问题,提出并研发了基于立体视觉的深海生物原位观测系统。深入研究了水下三维视觉的关键技术,解决了水下视觉系统标定问题。针对游动生物扭曲段高精度测量,提出了一种基于Ramer算法的鱼类轮廓分段测量算法。结合特征匹配算法及极线约束条件完成匹配工作。基于所研制的搭载三维视觉系统的深海水下作业平台开展了试验，结果表明，在1.5m的工作距离条件下,水下测量精度为1.0mm。

为了满足月球车视觉系统检测障碍物的时效性和可靠性需求, 提出了一种基于平面约束和自适应惩罚参数的半全局立体匹配算法。首先, 对极线校正后的两幅图像进行SIFT特征点提取与匹配, 同时提取边缘特征; 然后, 利用匹配的SIFT特征点拟合空间平面, 并根据平面估计左右图像所有像素点的视差搜索范围; 最后, 基于传统的半全局匹配算法, 采用自适应惩罚参数对左右图像进行立体匹配。实验结果表明: 所提出的算法有效地降低了计算复杂度, 其计算复杂度只有传统方法的19.9%, 对于视差不连续区域以及遮挡区域都能够获得正确的匹配结果。较传统半全局匹配方法无论在速度还是匹配精度上都得到明显提高, 为立体匹配的实际应用奠定了基础。

提出了对非均匀场景同一区域成像的卫星姿态调整及基于直方图匹配的线阵CCD非线性相对辐射定标方法。当在轨卫星需要执行相对辐射定标任务时，首先计算初始偏流角并调整卫星偏航角进入在轨定标成像模式；然后在定标成像过程中控制卫星偏航角，使得线阵CCD阵列的所有像元能够依次对同一区域成像；最后基于直方图匹配方法建立高精度非线性相对辐射定标模型。仿真实验给出了不同姿态对应的定标成像情况下的偏航角调整大小与调整周期，并分析了引起偏流角误差的因素及其对偏流角的不确定性。该方法既不需要地面均匀定标场等，也不需要统计分析大量在轨图像数据；且每一轨都可以执行定标任务，避免了卫星不同轨数据之间的不稳定性所带来的定标源自身不可靠问题。

由于推扫式成像卫星的各探元之间存在一定的响应差异，因此推扫生成的遥感图像在推扫方向上往往存在明显的条带现象。本文提出一种基于自适应滤波模板的推扫式卫星图像的相对辐射校正方法，首先，根据条带分布情况选择合适的一维非线性滤波器去除比较明显的条带噪声；然后，利用一维平滑滤波计算每个探元的增益和偏置等相对辐射校正系数；最后，利用校正系数去除细条带噪声。实验表明，该方法能够有效改善图像质量，使推扫方向的条带噪声得到有效去除，并且保留了图像细节信息。

特征匹配在目标识别、视觉导航、运动分析等立体视觉领域中具有重要的作用.提出了一种基于分层思想的快速边缘匹配方法.主要采取两点匹配策略保证其快速性:一是把分层匹配思想用于边缘匹配中;二是在点的匹配过程中提出了边缘约束.具体包括3步:首先,在第一层匹配每条边缘上梯度变化最大的点,由于数量少,因此匹配速度快且正确率达到100%;然后,在第二层采取区域扩张的方法,从已匹配的少数种子点出发向外扩张搜索,得到所有匹配的边缘;最后,提出边缘约束的方法匹配边缘上的点,将候选匹配点仅限制在几个像素,大大减少了搜索范围且提高了匹配正确率.大量实际景象的匹配结果表明,结合分层思想和边缘约束极大提高了匹配速度,边缘点的匹配正确率高达98%.实验结果给出了立体边缘匹配效果图和三维射影重构图.