条纹非均匀性是红外焦平面阵列成像系统中一种较为常见的固定图案噪声,其对成像质量会产生很大的影响。通常认为图像的非均匀性主要体现在像素间的灰度差,即非均匀性所引起的灰度差。为了解决这一问题,提出一种利用灰度差估计的条纹非均匀性校正方法。该方法根据条纹噪声的空间特性,对每一帧图像的非均匀性条纹的所在位置进行判断;根据条纹位置处相邻像素间的灰度差,对该处存在的非均匀性进行初步估计,并对下一帧的估计结果进行评价以进一步完善估计值。实验结果表明,所提方法能够显著减少条纹非均匀性,并且能够有效地保护图像的边缘信息。

对红外焦平面阵列成像系统而言, 基于场景的非均匀校正技术是处理固定图案噪声的关键技术。现有的非均匀校正算法主要被收敛速度和鬼像问题所限制。提出一种新的基于恒定统计算法的自适应场景非均匀校正技术。利用红外图像序列的时域统计信息结合提出的α修正均值滤波来估计探测器的参数, 通过减少样本的渐进方差估计, 完成成像系统的非均匀性校正。通过模拟和真实的非均匀性图像对算法的性能进行评价。实验结果表明, 在继承恒定统计算法快速收敛的同时, 图像峰值信噪比较恒定校正法及常系数α校正算法分别有445%和329%的提升, 图像鬼像问题有明显改善。

伪装技术作为现代战争中一种重要的作战方式, 在战场上起着至关重要的作用, 对伪装目标的探测直接影响到战争的结果, 利用退偏振特性检测伪装涂层的研究未见报道, 因此对伪装涂层退偏振特性的研究具有重要意义。 为了研究这一问题, 从电磁波散射的机理出发, 研究了其与退偏振特性之间的理论关系, 利用琼斯矩阵和穆勒矩阵建立物理模型, 结合偏振特性分解穆勒琼斯矩阵, 得到被测量样品表面的完全退偏振系数（ωd）。 实验分别通过七个不同的入射角度对土壤与三种黄色伪装涂层进行测量, 分析了土壤和三种黄色伪装涂层表面的退偏振特性, 最后应用菲涅尔方程验证理论模型。 分析可知: 被测量样品表面的退偏振特性与表面散射程度相关, 并且随着入射角度的增大, 被测量样品的完全退偏振系数（ωd）均呈递减趋势, 但是在整个测量过程中, 土壤与三种伪装涂层的完全退偏振系数（ωd）具有很大的差异。 研究表明: 首次引用完全退偏振系数作为伪装目标分辨的重要参量, 精确有效地分辨出土壤背景中的黄色伪装涂层, 并且实验操作过程简单, 周期较短, 在现代战场上可以方便快速地识别出伪装目标, 为战斗的胜利赢得了宝贵的时间, 具有极大的应用价值, 对伪装识别技术的发展有着极为重要的意义。

双目立体匹配是计算机视觉中研究的重点，针对立体匹配在深度不连续、低纹理和场景重复区域容易匹配出错的问题，提出了一种基于图像分割和改进的自适应支撑权重的立体匹配算法。该方法首先根据颜色相似性、欧式距离相似性、梯度相似性和自定义颜色内相关相似性定义初始的匹配代价关系，然后利用mean shift算法分割出不同深度区域的匹配点，根据匹配点所在的深度区域进行匹配代价重定义。在代价聚合的过程中，为了消除光照和噪声的影响，对待匹配点进行rank变换后，再进行视差值的计算，从而得到一个更加准确的视差结果。最后在VS2010软件平台上对Middlebury标准图像进行测试，实验结果表明，该方法得到的视差结果要明显优于现有的局部区域立体匹配方法，且具有很强的稳健性和较高的准确匹配率。