为减少SIFT车标识别算法中检测极值点的冗余以及各种图像变化因素的不利影响, 提出了基于边缘约束和全局结构化的改进SIFT算法。利用图像不变矩理论及图像边缘检测算法只对目标图像的边缘区域检测, 剔除与车标识别区域无关的极值点; 同时将特征点邻域划分为圆形并计算出同心圆内像素点最大曲率来构建全局SIFT组合特征向量, 使SIFT描述子具有全局描述特性; 并结合SVM模型作为车标图像特征向量的分类器进行特征分类、识别。仿真实验结果表明: 改进的SIFT算法可以减少冗余极值点约25%~45%, 提高了检测极值点的有效性; 使车标平均识别率达到97%以上, 改善了识别实时性。改进SIFT的车标识别方法与几种常用的图像特征提取算子相比较具有识别率高、识别速度快的优点。

建立了蒸发器支撑板板孔精密测量系统，并提出了基于边缘约束条件的轮廓参量测量方法.首先采用图像处理技术将待测目标转化为二维离散坐标点，计算其最小外接矩形并对轮廓进行预定位；然后将轮廓分割成相互重合的“扩展邻域轮廓”，建立以曲率角为原则的边缘约束算法对各轮廓段精确定界，实现对轮廓参量的精密测量.实验和误差分析表明，该系统测量准确度优于0.02 mm，对具有复杂轮廓的零件参量测量有参考价值.

针对传统的凸集投影(POCS)超分辨率图像重建算法经常出现的边缘模糊问题, 在传统POCS算法原理基础上, 文章使用基于梯度插值的算法生成POCS重建的初始估计图像, 然后对中心点为边缘像素的空间点扩散函数(PSF)进行修正, 使其系数沿梯度大的方向减小, 梯度小的方向保持不变。利用改进的POCS算法进行了超分辨率图像重建实验, 结果表明, 图像峰值信噪比由原来的27.29 dB达到28.12 dB。该方法有效地保持了边缘特性, 改善了超分辨率图像重建质量。

针对自然场景轮廓边缘的立体匹配问题,提出了基于区域邻接图的快速匹配算法。首先利用分水岭变换进行图像分割,根据分割区域边界确定图像中场景的轮廓边缘。基于由全局到局部、自上而下的分层匹配思想,匹配过程分为两步:第一步将轮廓边缘按其所属区域进行分组作为匹配基元进行匹配,匹配过程中根据边缘所属区域的位置、尺寸和灰度特征建立区域约束,并在边缘特征角点的引导下,按照区域邻接图采用类似区域生长的匹配策略实现边缘匹配,区域约束大大减少了边缘特征匹配的搜索空间、优化了匹配顺序。第二步则根据边缘匹配结果,以已匹配的边缘特征角点为基准点,在其引导下实现其他边缘点的快速立体匹配。实验结果表明,该算法匹配正确率能达到93%以上,是一种快速有效的立体匹配算法。