多视角三维数据的拼接一直是视觉测量领域研究的难点之一, 本文提出了一种无编码全局控制点的多视角三维数据拼接方法。以多个固定不动的无编码标志点作为全局控制点, 建立全局坐标系。移动结构光立体视觉测量系统的不同视角对物体表面各子区域进行测量, 获得局部坐标系下的三维测量数据及控制点。根据控制点的空间几何变换不变性自动匹配出各视角局部控制点在全局控制点中的同名点。依据同名控制点对, 采用 SVD算法求解局部坐标系与全局坐标系的变换关系, 从而实现全局拼接。最后, 以 10个圆形标志点为全局控制点从 5个视角对鞋楦进行测量, 实验结果表明：该方法消除了多视角拼接中的累积误差, 控制点的重合度平均误差为 η=0.013 mm, 与手持式扫描仪对比标准偏差为 0.177 mm,获得了较好的拼接效果。

基于人类视觉系统及信号的过完备稀疏表示理论，提出了一种基于多尺度字典的红外与微光图像融合方法。首先把输入的红外与微光图像按照高斯金字塔模型分解，用 DCT字典作为初始字典按照四叉树的结构进行分解，对于各尺度的字典按照 K-SVD算法独立训练更新，构造出多尺度学习字典。其次在该字典下利用改进的 OMP算法得到输入源图像各自的稀疏系数，然后按照最优化融合图像与输入源图像的欧氏距离、融合图像方差的准则，建立一个融合图像稀疏系数的最优化函数，最后通过求解该函数的 l1范数得到融合图像。实验结果表明：该算法的融合效果优于小波变换法、Laplacian塔型方法以及 PCA方法等传统融合方法。

根据人类视觉系统及信号的过完备稀疏表示理论，提出了一种基于稀疏表示的红外与微光图像融合算法。该方法首先把图像分割成部分重叠的图像块,由正交匹配追踪算法完成图像块的稀疏分解；然后采用最大值融合准则选择融合系数并完成图像块的重构，得到融合结果图像。实验结果表明，本文算法的融合效果优于小波变换法、Laplacian塔型方法以及PCA方法等传统融合方法。

本文提出了一种应用于 SAR图像目标识别的动态字典学习算法, 该算法通过在字典学习过程中自动删除和增加字典条目来调整字典表示性能与尺寸。删除操作是在删除代价的约束下针对相关度高或利用率低的字典条目进行, 而增加操作是在增加代价的约束下针对信号表示的残留误差的主分量进行, 通过交替执行删除和增加操作来不断优化字典, 使其表示能力达到最佳。在 MSTAR数据集上的实验验证了算法性能, 并给出了相应的参数调整建议。从实验结果和分析可看出, 该算法具有识别率高、算法稳定等特点。