为了解决集成成像系统中立体元图像阵列存储和传输的问题, 本文提出了一种结合成像几何特征的立体元图像阵列编解码算法。首先, 根据立体元图像阵列采集过程中的相关物理参数确定不同立体元图像中同名像点的偏移量, 对立体元图像阵列中每行相邻立体元图像进行分组并确定编码顺序。然后, 确定待编码立体元图像的预测图并计算待编码立体元图像与其预测图的残差。最后, 对残差进行HEVC编码。实验结果表明, 与传统的HEVC帧内预测编码算法, 以及与将立体元图像阵列中的所有立体元图像组成一个视频序列进行HEVC编码的算法相比, 在相同比特率的情况下, 本算法解码图像的质量提高了10～25 dB, 说明本文提出的算法具有更高效的编码性能。

集成成像需要从不同角度记录三维(3D)物体的空间信息,采用计算机生成时,计算量大、时间长。针对这一问题,提出窗截取的立体元图像阵列快速生成方法。模拟真实透镜阵列的结构,建立采样模型,根据显示平台光学参数计算得出虚拟3D物体对应每个虚拟透镜元中的图像,即立体元图像,然后采用窗截取的方式生成立体元图像阵列。改变采样点和窗函数可以生成任意孔径任意排列结构的立体元图像阵列。实验搭建基于LED的集成成像显示平台,设计了与LED匹配的方形、六边形、圆形孔径的透镜阵列,选取不同类型的3D模型对比立体元图像阵列的计算时间和立体显示效果,结果表明,在不改变立体图像质量的前提下,当立体元图像的分辨率高于透镜阵列的采样率时,本文方法速度更快。

目前多数水印算法将伪随机数列作为水印，算法设计时多偏重于提高水印隐蔽性和鲁棒性，但忽略了水印自身的安全。本文提出了一种基于量子密钥真随机性的，可进行篡改定位的、面向安全通信的空域水印算法来提高水印的安全性。该算法使用基于BB84协议原理、通过量子密钥分发机制生成的具有真随机性和绝对安全性的量子密钥制备二值图像水印， 并结合首次提出的量子密钥矩阵模型与8-邻域随机定位理念，将量子水印动态随机地嵌入到载体图像中。 传输完成后，接收方可以快速提取水印信息，精确判断水印图像完整性及传输过程安全性，并能够对篡改进行定位。对算法进行了隐蔽性、鲁棒性以及篡改定位测试，结果表明: 提出的算法简单，具有高安全性和隐蔽性，同时兼顾鲁棒性，篡改定位精度达3 pixel×3 pixel， 可以广泛应用于数字图像的安全传输中。

针对现有图像拼接方法实时性受限的问题, 提出了一种通过对图像拼接中重叠区域部分图像特征检测和投影误差校正两部分相结合的快速图像拼接方法。首先, 该方法特征检测范围仅集中在待拼接图像重叠区域的部分图像块, 从中获取尺度不变特征变换(SIFT)的特征点信息。然后, 在特征匹配后应用投影误差校正方法, 达到充分利用有限匹配点对计算出高精度投影变换矩阵的目的,避免了不必要的特征检测和匹配搜索, 继而大大加快了图像拼接速度。最后, 结合图像拼接的质量评价方法对图像拼接结果做出质量分析, 以反映改进方法的性能。实验结果表明: 对比文献所提出的快速图像拼接方法, 本文方法在保证图像拼接质量的前提下显著降低了拼接时间; 在所给的3组实验图像中, 拼接速度平均提升了54%左右, 证明了本文方法的可行性和有效性。

提出了基于在线随机森林投票识别人物动作类别的方法。建立了在线随机森林投票模型。通过在线训练和在线检测两部分进行了算法研究, 提高了检测人物动作类别的准确率。基于人物动作在时间和空间上有重要信息, 该方法首先通过提取图像立体块的lab色彩空间值、一阶差分、二阶差分以及大位移光流特征值在线训练随机森林; 训练结束后, 形成强分类器, 利用分类器对检测图像进行投票, 生成动作空间图; 最后, 在动作空间图中寻求最大值, 判断检测图像的动作类别。验证结果表明在低分辨的视频图像中, 本方法能够确定人物的动作类别, 对Weizmann数据库和KTH数据库的识别率分别为97.3%和89.5%, 对UCF sports数据库的识别率为79.2%, 动作识别准确率有所提高。该方法增加了光流能量场特征表述, 将原始投票理论拓展至三维空间, 并且采用向下采样的方式更新结点信息, 能够判断人物动作类别, 为智能视频技术提供了有效的补充信息。

针对目前图像拼接中计算量较大、实时性较差的问题, 本文提出了一种图像局部特征自适应的快速尺度不变特征变换(SIFT)拼接方法。首先, 对待拼接图像分块, 确定图像局部块的特征类型; 接着自适应采用不同的简化方法提取各局部块的特征点。然后, 通过特征匹配求出变换矩阵, 并结合RANSAC算法去除伪匹配对。最后, 通过图像融合得到最终的拼接图像。文中使用提出的方法对3组待拼接图像进行实验。从实验结果可以看出: 与标准拼接方法相比, 本文改进方法的计算速度提升了30%~45%。因此, 这种方法能够在保证图像拼接质量的前提下, 有效提高图像拼接的效率, 克服图像拼接中计算复杂度高的问题, 在实际图像拼接中具有一定的应用价值。

垂直视差的存在是影响立体视频观视舒适度的主要因素。为了在不影响水平视差的条件下实现对垂直视差的消减, 本文引入Levenberg-Marquardt(L-M)非线性算法实现变换矩阵的精确求解。首先用抗缩放、旋转及仿射变换的SIFT(Scale-invariant feature transform)特征匹配算法检测出双目图像对的特征匹配点, 然后根据匹配点的坐标位置运用L-M算法计算可消减垂直视差的变换矩阵, 将变换矩阵作用于目标图像, 计算出该视图每个像素点的新坐标位置。实验结果表明: 与利用线性算法求解二维射影变换矩阵的垂直视差消减方法相比, 本文提出的求解方法在垂直视差消减上比该算法提高了约0029 1～0323 2个像素, 对水平视差的影响比该算法降低了约0118 7～1139 1个像素。因此本文提出的方法对垂直视差的消减起到了优化作用。

红外成像技术以其诸多优点成为智能化光电探测方面的主流研究方向，然而，红外弱小目标图像却有细节特征少、信噪比低等特点，因此考虑到使用超分辨率复原算法对其进行复原，为图像提供更多的细节信息。本文分析了凸集投影法的基本原理，针对其运行时间长的特点，提出了改进算法。首先用直方图拟合的方法选择出目标区域，然后在目标区域内进行超分辨率复原，区域外使用双线性插值。最后对3组低分辨率图像，每组五帧，用该方法进行验证。从实验结果可以看出，计算速度分别提升了15.6%、45.5%和46.5%。因此，这种方法能够有效地缩短超分辨率复原算法的处理时间。