针对单幅偏振图像在一定场景下无法提供充足信息的问题，结合强度图像和线偏振度图像的优势特征，提出一种基于密集梯度生成对抗网络的偏振图像融合算法。利用密集连接卷积网络和梯度算子构建密集梯度卷积模块，并将该模块应用在生成器中，用以增强融合图像的纹理细节; 构造多尺度结构相似度和L1范数相结合的损失函数，用以提高网络的整体性能。在ZJU-RGB-P数据集进行定性比较和定量分析，实验结果表明，所提算法具有更好的主观视觉感受，同时各项评价指标均得到明显提升。

为了更好地保留原彩色图像的局部对比度, 获得感知准确的灰度图像, 提出了一种轮廓波域内局部对比度增强的灰度化算法。首先在CIE Lab色彩空间中利用共轭梯度算法优化目标函数, 求取全局映射函数参数, 得到初步灰度化图像; 然后采用轮廓波变换对彩色图像和初步灰度化图像进行多尺度多方向分解, 利用局部色彩对比度比值对方向细节图像进行对比度增强, 应用轮廓波逆变换得到增强后的细节图像; 最后将初步灰度化图像与增强后的细节图像进行叠加, 得到灰度化图像。对COLOR250和adik图像集的实验结果表明, 本文提出的算法优于已有文献的一些典型灰度化算法, 能够有效保留原始图像的对比度与结构信息, 灰度化图像视觉感知自然, 主客观评价结果均为最优。

针对多尺度分解在图像融合领域中的广泛应用, 本文提出了一种多级方向加权最小二乘滤波器图像多尺度几何分析方法。该方法利用加权最小二乘滤波器对图像进行多级边缘保持分解, 得到一个近似图像和多个不同尺度上的细节图像, 然后采用小尺寸方向剪切滤波器对细节图像进行方向分析, 在不同尺度上生成多个方向细节图像。根据近似图像和方向细节图像所具有的不同物理意义, 分别采用不同的融合策略对分解后的图像系数进行合并处理, 最后应用多级方向加权最小二乘滤波器的逆变换得到融合图像。多组图像融合实验结果表明, 在图像融合领域, 本文提出的基于多级方向加权最小二乘滤波器的图像分解方法优于已有文献中的一些典型多尺度分解方法。

为了提升多模态图像融合精度,提出了一种局部化非下抽样剪切波变换与脉冲耦合神经网络相结合的图像融合方法。首先，利用局部化非下抽样剪切波对源图像进行多尺度、多方向分解; 然后，在分解后的各子带图像中，利用局部区域奇异值构造的局部结构信息因子作为PCNN神经元链接强度。经过脉冲耦合神经网络点火处理，获取子带图像的点火映射图，通过判决选择算子，选择各子带图像中的明显特征部分生成子带融合图像; 最后，应用局部化非下抽样剪切波逆变换重构图像。选用多组不同模态的图像进行实验，并对实验结果进行了客观评价。实验结果表明，本文提出的融合方法在主观和客观评价上均优于一些典型融合方法，可获得更好的融合效果。

为了提升红外与可见光图像融合精度,提出了一种基于局部区域奇异值分解的自适应PCNN红外与可见光图像融合算法.利用局部区域奇异值构造局部结构信息因子,作为PCNN对应神经元的链接强度.经过PCNN点火处理,获得源图像的点火映射图,通过比较选择算子,选择源图像中明显特征部分生成融合图像.采用多组红外与可见光图像进行融合实验,并对融合结果进行客观评价.实验结果表明本文提出的算法在主观和客观评价上均优于已有文献的一些典型融合算法,可获得更好的融合效果.

为了提升红外与可见光图像融合精度,提出了一种局部化非下抽样剪切波变换与脉冲耦合神经网络相结合的红外与可见光图像融合方法。首先,利用局部化非下抽样剪切波对源图像进行多尺度、多方向分解;然后,在分解后的各子带图像中进行块奇异值分解,求取区域特征能量值作为脉冲耦合神经网络对应神经元的链接强度。经过脉冲耦合神经网络点火处理,获取子带图像的点火映射图,通过判决选择算子,选择各子带图像中的明显特征部分生成子带融合图像;最后,应用局部化非下抽样剪切波逆变换重构图像。采用多组红外与可见光图像进行融合实验,并对融合结果进行了客观评价。实验结果表明本文提出的融合方法在主观和客观评价上均优于已有文献的一些典型融合方法,可获得更好的融合效果。

针对在凹版印刷中表征套印误差信息的色标信号检测问题。本文依据各颜色画面相对背景色对光能吸收不同的光学原理，利用半透半反光玻片的异面性和光电池光电转换功能，设计和实现了一种色标检测光电传感器。针对光电池光电转换输出信号较弱且非数字性的问题，进行了信号调理。实验结果和现场应用表明，该光电传感器具有结构简单、检测距离远((10±2) mm)、光斑半径小(Φ1.5 mm)、灵敏度高、响应速度快(0.2 ms)、性能稳定可靠等优点。