为实现大面阵CCD航拍图像准确快速匹配, 提出一种局部多特征哈希学习LMFH(local multi-feature hashing)方法。依据航向重叠率构建预测区域, 在预测区域内检测特征点并进行多特征描述, 以现有上万幅航拍图像为训练样本, 通过哈希函数将高维的特征描述向量映射为紧凑的二进制哈希编码, 在汉明空间通过汉明距离实现特征点的快速匹配。实验结果表明, 相对于SURF算子, LMFH算法在准确度上提高了10%, 匹配时间上减少了0.2 s。LMFH算法可更快更准确地实现CCD航拍图像的匹配。

针对高分辨率遥感影像多尺度、空间分布复杂以及特征繁多的特点,从遥感影像特 征提取的尺度效应以及各类地物显著性特征各异入手,提出了基于多尺度多特征融合的高 分辨率遥感影像分类方法。该方法构建最优尺度分割函数模型,寻找出各地物的最优尺度, 分别提取影像的纹理、颜色和形状特征。在此基础上利用各地物特征的显著性差异实现多尺 度下多特征的加权融合。该加权融合方法突破了常规最优尺度分割算法未能充分考虑各类地 物特征差异性的局限性,通过分析各类地物的显著性,建立了各个特征在分类中所占权重的模型。 实验结果表明:相对传统无监督分类算法,该方法准确率提高约7%,且运行效率高。

由于背景噪声及探测器噪声的存在，夏克 -哈特曼波前传感器质心探测误差较大，本文提出了一种在稀疏域去除背景噪声及探测器噪声的方法。首先采用二维高斯模型生成光斑信号样本图像，构造超完备目标字典，依次对测试图像分块计算其在超完备字典中的表示系数，利用噪声、背景和目标表示系数的不同，通过认为设定阈值来判别该图像块是否为光斑信号。结果表明，本文处理方法能够较好的提取出光斑信号，且与减阈值算法相比，其处理后质心偏差、 RMS及 PV值都较小。

为了实时监测图像质量, 建立了像素小波系数的二元空间依存关系模型, 并利用该模型实现了图像质量的无参考评价。首先, 将RGB图像映射到HSV空间; 对图像进行小波分解, 并建立小波系数的二元空间依存关系模型, 即以广义高斯分布来拟合小波系数的二元联合分布。然后, 分析二元空间依存关系与图像质量的相关性, 建立了无参考图像质量评价指标。最后, 对图像质量评价指标进行了测试及对比研究。基于TID2013、LIVE及CSIQ数据库完成了测试, 结果表明: 基于空间依存的无参考图像质量评价指标可以对图像的失真程度进行准确分级, 分级准确率达到96%以上; 采用基于空间依存的无参考图像质量评价方法可以实现对图像质量失真度的准确分级。

采用激光照射粗糙工件表面形成散斑图像，通过自相关函数分析散斑图像的二阶统计特性，使用分形算法提取散斑图像自相关函数矩阵的参数，建立分形维数与表面粗糙度对应的样本集合。用最小二乘法多项式拟合该样本集合，得到散斑图像与表面粗糙度值间的多项式关系。实验结果表明，基于激光散斑分形维数的表面粗糙度测量方法是可行的且适用于在线高精度粗糙度检测，在检测时间上从数十秒级提高到秒级，检测精度达到微米级。

针对航测高分辨率CCD巨量压缩视频数据的存取,提出了一种基于 文件结构的快速存取系统方案, 并给出了该方案在实际存储器中的实现结构。该存取系统主要由图像基本信息和详细信息组成。 图像基本信息包括帧号、缩略图、编码长度和地址。通过图像帧号获得图像的基本信息,实现快速浏览; 并可进一步读取任意帧图像的详细编码信息。同时,构造了基于小波变换的缩略图方法,并通过对相关 存取结构的设计,给出了整个存取系统在存储器中的实现。通过对该系统的研究,可高效快捷地 实现对任意帧图像数据的快速存取和查找,大大提高了工作效率。

提出了一种基于多小波变换的综合阈值图像去噪方法.该方法通过对含噪图像进行多小波变换,克服了单小波变换中无法同时满足正交性和对称性的缺点.同时,在两种经典的硬、软阈值处理方法基础上,提出了一种综合阈值处理方法.将该阈值方法和多小波变换相结合,根据多小波分解后的能量分布特性,在不同尺度的子带选择不同的最佳阈值,有效地提高了重构图像质量.并且对阈值进行向零收缩处理,防止有用信息当作噪声滤除.实验结果表明,相对于传统的硬、软两种阈值处理方法,文中的去噪方法在输出信噪比和主观视觉效果上都有明显改善.