针对红外图像具有对比度低、边缘模糊的缺点, 提出一种基于变分偏微分方程理论的红外图像增强方法。通过重建图像梯度场的分布, 以此增强图像中纹理细节不明显、对比度小的微弱信息。在梯度场的变换中对噪声的幅值切割, 完成了对噪声处理。结果表明本算法使得原图像的灰度平均梯度值提高2～3倍, 对增强红外图像的边缘和微弱有用信息效果明显, 避免了直方图均衡类算法丢失一些灰度相近且分布较少的微弱细节信息的缺点, 为图像识别和跟踪应用提供了高质量的图像信息。

为了满足自动对焦系统的实时性与抗噪性要求，提出了一种基于SUSAN算子的清晰度评价函数。该函数利用SUSAN边缘提取算子的算法简单、准确度高、抗噪性强的特点，对SUSAN算子边缘检测函数进行改进，将边缘点的USAN值的平方和作为清晰度评价值，并将其运用到自动对焦算法中。将该函数与几个经典的清晰度评价函数进行性能比较，实验结果表明：对于引入噪声前后的图像序列，基于SUSAN算子的清晰度评价函数均具有良好的单峰性、无偏性和较高的灵敏度；对于256×256的对焦窗口图片，该函数在TMS320C6416硬件平台上的运行时间仅为16 ms。该函数能够满足清晰度评价函数的单峰性、无偏性、高灵敏度等基本特性，同时具有良好的实时性与抗噪性。

基于投影微分算法提出了一种应用于多光谱成像仪的自动对焦方法, 该方法结合图像处理单元和多个波段的探测器调焦辅助机构来同时实现多个波段的独立自动对焦。首先, 根据观测需要对自动对焦窗口进行手动选取, 或结合投影微分与目标边缘的对应关系进行对焦窗口的自动选择; 然后, 将参与自动对焦计算的图像的对焦窗口内的数据做x与y方向投影, 对这两个方向投影数组的微分1范数均值求均方根, 并将其作为该帧图像的清晰度评价值; 最后, 结合经典的爬山搜索算法, 完成系统的自动对焦过程。实验结果显示, 同等条件下投影微分算法与经典的Brenner、能量梯度及Roberts梯度和算法具有同样好的评价效果, 能够准确地实现系统的自动对焦, 而其算法时间分别仅为这3种算法的0.67、0.33和0.33倍。这些结果表明, 投影微分算法具有良好的单峰性与无偏性、较高的灵敏度及很好的实时性, 能够满足系统的高精度自动对焦要求。

针对图像获取过程中外界光照的非均匀性会使图像存在阴影区和高亮区，从而丢失图像细节的问题，本文结合偏微分理论，提出了基于直方图均衡化的偏微分图像增强方法。该方法首先将图像变换到梯度域，通过梯度场的变换得到新的梯度函数；然后应用最小二乘原理，对梯度场中变换后的图像进行重建以增强图像的纹理细节，表现原本不清楚的细节信息。另外，针对光照的不均匀特性，结合直方图均衡化，提出反均衡变换来增强图像的亮度和对比度。提出的算法采用有限差分法将图像离散化，并与热方程相结合，其计算简单，运行速度快，具有较强的灵活性和较广的应用范围。采用Visiual C++编程，对于大小为512 pixel×512 pixel的图像的处理时间为35 ms, 达到了视频实时增强显示要求。

全局运动估计是计算机视觉、视频处理等领域广泛采用的手段之一。为了降低全局运动估计计算复杂度，提出一种基于像素梯度的全局运动估计方法。就运动模型而言，采用了复杂性与准确性较好均衡的六参数仿射模型。为了提高计算速度，采用了两层金字塔进行多分辨率计算，而且在每层迭代计算中都抽取梯度较大的特征点进行计算，同时结合了高斯-牛顿优化计算方法。实验验证了提出的全局运动估计算法的计算效率和精度。

应用偏微分理论，提出一种改进的基于偏微分方程的非线性图像去噪与增强方法，对传统的P-M非线性扩散模型进行改进。首先将图像变换到梯度域，然后通过改变梯度域扩散函数来达到去噪和增强的目的。与以往的时域和频域图像去噪方法相比，本文方法不仅能有效去除噪声，还能很好地保留图像的纹理细节。文章采用有限差分法将偏微分方程离散化，并结合热方程简化计算复杂度，从而实现简单快速的计算过程，为实时的图像去噪与增强处理提供保证。