红外/被动毫米波(IR/PMMW)复合制导是当前发展多模复合制导技术的热点方向.红外探测系统在低能见度条件下穿透能力不如被动毫米波,而被动毫米波探测图像分辨率不如红外图像.为了更好地识别目标,提出一种新方法,首先采用多小波包与邻域平均相结合的去噪方法对IR/PMMW图像进行去噪处理;然后利用多小波包方法获取多张相似的IR/PMMW图像,再将它们进行主成分融合并进行精确的直方图规定化;最后,根据被动毫米波图像的特殊性,提出基于区域的图像质量评价方法.实验仿真结果表明,利用新方法处理图像,提高了图像的清晰度,更容易识别出目标信息.

提出一种基于非下采样双树复小波域的图像去噪算法.首先分析非下采样双树复小波变换同一方向实部与虚部小波系数之间的相关性, 通过实例及统计规律得到其联合概率分布近似服从于椭圆边界的单峰各向异性二维非高斯分布.然后把双变量统计模型引入到非下采样双树复小波变换实部和虚部小波系数中,将实部与虚部小波系数的联合概率分布作为双变量先验模型,得到了非下采样双树复小波变换自适应各向异性双变量去噪模型.该模型可以很好地体现实部与虚部小波系数之间的相关性. 运用最大后验概率来估计从含噪图像的小波系数恢复原图像的系数, 达到去噪目的.最后根据该模型得到了一种具有闭式解的去噪算法. 实验表明：该算法比经典算法提高了一定的峰值信噪比,且有良好的视觉效果,较好地保持了图像中的纹理特征.

介绍了经典非局部均值滤波算法与Manjón非局部均值滤波算法，改进了非局部均值滤波方法的相似度权值，使算法在具有旋转平移不变性，保持时间复杂度的同时优化了视觉效果与信噪比。实验通过添加噪声标准差从10~100不等的高斯加性噪声，比较了改进后的算法与传统滤波算法以及Manjón非均值滤波算法，结果表明，改进后的算法无论从视觉上还是数值上都优于Manjón非均值滤波算法。

在基于三角法的线结构光三维测量系统中，如何快速精确地从光条图像中提取光条中心位置是实时精密测量的关键问题。本文在分析线结构光光源选择、环境噪声和被测物体表面反射属性等影响光条中心提取因素的基础上，对当前已有的线结构光光条中心提取方法进行综述，包括专门的光条图像去噪技术和阈值分割技术，以及传统的和改进的光条中心提取算法，分析其原理及关键技术。最后，针对目前线结构光测量中存在的问题给出建议，指出开发能处理高像素图像，并能在室外强光和复杂的自然环境中使用的单目激光系统是将来的发展趋势。

分析了在有噪声和背景干扰情况下检测红外小目标的方法，提出了一种将循环平移Contourlet变换去噪 方法和自适应阈值分割方法相结合的红外小目标检测算法。该方法首先对原始图像进行循环平移阈值去噪，再用原始图像减去 去噪图像，对得到的残差图像进行自适应阈值分割，分离出少量的候选目标点，最后利用目标运动的连续性和一致性检测出 目标。分别用Contourlet变换法、小波变换法和本文提出的检测法对小目标进行了检测。仿真结果表明，本文提出的检测方法 能较精确地检测出序列图像中的红外小目标，检测效果优于Contourlet变换法和小波变换法。

为了提高气球载雷达系留缆绳损伤检测中的图像质量，提出了一种多尺度多结构形态学的小波融合去噪方法。首先对噪声图像进行小尺度多结构元素的形态开-闭(OC)运算，然后再进行较大尺度多结构元素的形态开-闭运算，利用小波融合技术将运算结果进行融合，最后进行了仿真验证和性能分析。结果表明，采用该方法得到的峰值信噪比(PSNR)普遍高于传统的去噪方法，在抑制噪声的同时较好地保护了图像的细节和边缘信息，尤其在噪声密度较大时，优势更加明显，峰值信噪比能高出十多dB，而且对随机噪声和椒盐噪声均能获得良好效果，具有较强的适用性。

非局部平均除噪声的方法合理利用了图像自身的冗余性和邻域的相似性， 可以获得非常好的除噪声的效果。 但是目前大多关于非局部平均算法的研究主要集中在对单波段图像的除噪声方面。 单独平滑多光谱遥感图像的每个波段会比较严重地损失图像的光谱特征。 为此， 文章提出了两方面的改进： 首先， 改进了非局部平均的平滑核函数， 让核函数中的加权系数与每个波段建立联系而不是只涉及单一波段； 其次， 引入相关系数来衡量不同像素邻域的光谱相似性， 并把这种光谱相似性作为非局部平均平滑约束的一部分。 通过两方面的改进， 传统的非局部平均的方法可以适应多光谱遥感图像的平滑除噪声。 最后用不同卫星图像在不同的噪声水平下对算法进行了充分的测试， 实验证明本文提出的方法更好的平滑掉了噪声而且更好的保持了图像的光谱特征。

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。

为同时滤除图像中的椒盐噪声和高斯噪声,提出了一种基于小波变换的混合噪声自适应滤除算法,该算法首先采用中值滤波去除椒盐噪声, 然后借助边缘检测算子区将图像为分边缘与非边缘区域, 进一步对非边缘区域引入改进的均值滤波器, 有效削弱高斯噪声的同时保护图像边缘细节, 既初步削弱高斯噪声又保护了边缘, 最后采用改进的小波阈值滤波算法, 对不同的小波系数采用不同的阈值函数, 通过线性回归得到各最优阈值关系式。实验结果表明, 该混合噪声自适应滤除算法能有效滤除椒盐噪声和高斯噪声, 在图像主观质量和客观质量上均取得了较好的效果, 能提高去噪图像峰值信噪比0.5～2．0 dB。

图像去噪是遥感图像复原的重要步骤。在去除图像噪声的同时希望尽可能多地保留图像的纹理细节信息。受较差的成像环境和图像数据远距离传输的影响, 遥感图像中一般都含有较强的高斯-脉冲混合噪声, 而在现有的图像去噪算法中, 能够同时去除图像中的高斯-脉冲混合噪声的通用噪声滤波器很少。以非局部平均方法的滤波思想为基础, 通过引入邻域相似度评价的概念和脉冲噪声探测器, 提出了基于邻域特征匹配的通用噪声滤波器。实验结果表明：基于邻域特征匹配的通用噪声滤波器具备有很好地去除图像高斯-脉冲混合噪声的能力, 在去除高斯-脉冲混合噪声的同时能够很好地保持图像的复杂纹理和精细细节, 并且便于向DSP/FPGA多处理器平台上移植。