鉴于现有的红外图像增强方法存在欠增强、过增强和放大噪声等缺陷, 提出了自适应加权直方图均衡化的红外图像增强方法。该方法提出了直方图的自适应加权系数, 其反比于每个灰度级对应直方图频次的平方根, 适当地提升频次较小的直方图, 而适当压制频次较大的直方图。用自适应加权系数对各个灰度级的直方图频次进行加权后, 进行直方图均衡化处理, 最后经灰度级映射得到增强图像。实验结果显示, 相对于现有的方法, 本方法的增强图像对比度更高, 边缘细节信息更丰富, 信息熵、平均梯度和标准差分别比现有方法高出0.23、2.2和3.7以上。因此, 本文方法的红外图像增强效果优于最新提出的现有方法。

基于深度学习的图像融合方法实现了良好的图像融合性能，近年来经过快速发展，被广泛应用于生物特征识别、自动驾驶和目标追踪等方面。深度学习网络在提取图像的重要纹理细节和保存重要信息等方面依然存在许多挑战。因此，提出了一种适用于红外与可见光图像融合网络的损失函数，在损失函数中引入了梯度方向直方图（HOG）损失，HOG特征可以反映图像局部的梯度方向和梯度大小，用HOG特征作损失函数可以提升网络提取图像细节信息的能力。将HOG损失与多尺度结构相似性损失相结合，用设计的损失函数训练了NestFuse、Res2Fusion和UNFusion 3个红外与可见光图像融合网络。在TNO数据集上，所提模型将融合图像的标准差（SD）分别提高2.1476%、1.2273%和1.4444%，将融合图像的视觉信息保真度（VIF）分别提高1.6529%、1.4936%和1.2902%；在RoadScene数据集上，所提模型将融合图像的SD分别提高1.0083%、1.1669%和0.7214%，将融合图像的VIF分别提高1.8093%、1.8063%和1.0406%。实验结果表明，所提损失函数可以从源图像中提取更多有效信息。

Landsat卫星影像已经成为世界范围内长时间序列生态监测研究中最广泛使用的数据源。 在大中尺度区域的遥感应用研究中, 因季节、 光照、 气候等条件以及卫星重返周期和传感器的不同, 多景遥感影像拼接、 镶嵌后会存在斑块效应和色调不均匀现象。 在遥感云计算技术高速发展的今天, 探索快速且高效地基于云平台的Landsat色差条带修复方法具有重要意义。 提出了一种在Google Earth Engine(GEE)云平台上实现的基于随机森林算法的直方图影像均质化方法, 将1986年—2020年山西省Landsat Top of Atmosphere(TOA)和Surface Reflectance(SR)(Landsat 5 TM/7 ETM+/8 OLI)反演后的归一化植被指数影像NDVI作为研究数据, 以MOD13Q1(250 m分辨率)、 MOD13A1(500 m分辨率)和MOD13A2(1 km分辨率)MODIS数据集作为2000年后的验证数据, 分别对比影像修复前后的1986年—2020年山西省NDVI影像。 研究结果表明： (1)在35年的逐年影像分析中有20年的影像存在条带色差问题。 以1994年为例, 修复后的Landsat TOA和Landsat SR影像与修复前相比, 影像修复区的NDVI平均值分别增加了32.6%和29.03%, 剖面分析显示拟合度分别增加了0.162 3和0.118 0; (2)1986年—2020年一元线性回归趋势性分析结果表明, 修复后影像的拟合度更高, 长时序分析后逐年影像的波动幅度更小。 其中, Landsat TOA和SR影像修复后的斜率分别下降了0.006 2和0.006 7, R2分别提高了0.024 8和0.008 4; (3)对Landsat和MODIS影像进行Pearson相关性分析发现, 修复后的Landsat SR和TOA图像的相关系数平均提高了0.049和0.061(p<0.05), 其中, 修复后的Landsat SR和TOA影像与MOD13Q1、 MOD13A1、 MOD13A2影像相关系数分别提高了0.050、 0.047、 0.049和0.066、 0.060和0.059; (4)2000年—2020年Landsat和MODIS影像的时序分析结果显示, 修复后的Landsat影像整体趋势与MODIS影像更趋近, 修复后的Landsat TOA和SR影像的拟合度分别提升了0.058 6和0.031 9。 所提出的基于GEE云平台随机森林算法的快速影像修复方法, 实现了对长时间序列遥感影像NDVI反演结果的精确评估, 应用本方法可快速、 高效地解决影像镶嵌所造成的色差斑块和条带效应。

超快激光X射线单发照相技术具有高时空分辨能力，是观测高速运动物体形态参数如内部结构、平面性等的重要手段。但由于激光X射线脉宽在皮秒或飞秒量级、X射线能谱宽、成像环境复杂等原因，导致X射线图像背景干扰噪声大、对比度低，物体形态结构准确识别和测量难度大。在传统对比度限制直方图均衡化（CLAHE）图像增强算法的基础上，提出了一种多尺度融合的改进直方图均衡化（IHEMF）算法。该算法增加自适应裁剪阈值以适应每个区域特征，并利用亮度和梯度幅值信息将增强后图像与原始图像全局融合，最后对融合后图像去噪得到最终图像。该算法既能提高感兴趣区域的对比度噪声比（CNR），又具有很好的保边界特征的能力。对高速飞片的静态、动态、终态等典型状态下X射线图像进行处理，CNR分别提升50.97%、90.43%和96.84%。实验结果表明所提算法在噪声抑制和结构保真方面优于其他算法，可为准确解读高速运动物体形态表征参数信息提供重要技术支撑。

针对交通标志识别中限重标志和限速标志相似程度大、容易造成误检等问题, 结合抗噪能力强的二维OTSU自动阈值分割法与寻优能力强的跳蛛优化算法, 提出了一种基于跳蛛优化的二维OTSU限重标志识别算法。该算法通过统计交通标志牌感兴趣区域的二维灰度直方图, 采用改进跳蛛算法求解二维OTSU分割阈值, 快速地实现交通标志图像的二值化, 再利用DBSCAN对二值化图像边缘点聚类, 最后根据聚类结果的相对位置正确识别限重标志。实验结果表明: 在不降低识别率的条件下, 运算时间降低了34.16%, 并能够正确区别限重标志和限速标志。

针对红外图像的边缘细节特征不清晰、整体对比度低等问题，提出一种结合单参数同态滤波和限制对比度的自适应直方图均衡的红外图像增强算法。首先，基于单参数的同态滤波对图像进行处理，研究一种单一参数的传递函数，使得同态滤波算法参数可控且不依赖于实验经验，同时明显增强红外图像的细节特征。然后，利用限制对比度的自适应直方图均衡化对红外图像进行动态范围调整，提高红外图像对比度。实验仿真结果表明，该算法可以明显增强图像细节特征、提高图像对比度，使红外图像更有利于后续观察。

为了对机器设备损毁字符的标识码信息进行显现复原，提出一种正交励磁的损毁字符磁光成像复原识别方法。在研究钢材基体字符对磁场传导的影响机理的基础上，设计能分时正交励磁的环形电磁铁模型，并且通过仿真分析验证了该模型的正确性。采用局部直方图均衡化法对通过正交励磁获得的字符磁光图像进行增强，以突出字符的笔划特征；设计像素级显著值加权平均的融合算法，实现了正交励磁获得的所有方向上笔划特征的融合。设计实验系统，获得正交方向励磁的磁光图像，并对算法的效果进行实验测试。结果表明：局部直方图均衡化增强的磁光图像字符笔划对比度大，分辨率高，算法的增强效果理想；像素级显著值加权融合算法对字符磁光图像进行融合时，可以全方位、高效率提取字符图像的所有方向特征，且融合后图像清晰度高。所提正交励磁的损毁字符磁光成像复原方法能有效复原损毁严重、笔划复杂的字符。

为了提高半导体激光加工中激光光斑中心定位精度, 根据皮秒超短脉冲激光辐照单晶硅后产生的光斑图像灰度分布特点, 提出了一种基于灰度直方图的激光光斑中心定位算法, 通过模拟激光光斑仿真分析和单晶硅刻蚀实验, 对比研究了不同辐照时间与不同激光功率条件下该算法与传统算法的定位精度。结果表明, 在辐照时间不同的条件下, 该算法定位精度达到0.761 μm, 比灰度重心法提高51.3%, 比最大行列灰度值法提高93.9%; 在激光功率不同条件下, 该算法的定位精度达到0.793 μm, 比灰度重心法提高73.4%, 比最大行列灰度值法提高86.8%。此研究可为皮秒超短脉冲激光光斑中心定位控制系统的设计提供指导。