为增强红外与可见光图像融合可视性, 克服红外与可见光图像融合结果中细节丢失、 目标不显著和对比度低等问题, 提出一种基于二尺度分解和显著性提取的红外与可见光图像融合方法。 首先, 以人类视觉感知理论为基础, 针对人眼对图像不同区域敏感性不同特性, 在跨模态融合任务中需要对源图像进行不同层次分解, 避免高频分量和低频分量混合减少光晕效应, 采用二尺度分解方法对源红外与可见光图像进行分解, 分别获取各自的基本层和细节层, 该分解方法能够很好的表达图像并具有很好的实时性; 然后, 针对基本层的融合提出一种基于视觉显著图(VSM)的加权平均融合规则, VSM方法能够很好提取源图像中的显著结构和目标。 采用基于VSM的加权平均融合规则对基本层融合, 能够有效避免直接使用加权平均策略而导致对比度损失, 使融合图像可视性更好; 针对细节层的融合, 采用Kirsch算子对源图像分别提取得到显著图, 然后通过VGG-19网络对显著图进行特征提取获取权值图, 并与细节层进行融合, 得到融合的细节层; Kirsch算子能在八个方向上快速提取图像边缘, 显著图中将包含更多边缘信息和更少噪声, 且VGG-19网络能够提取到图像更深层特征信息, 获取的权值图中将包含更多有用信息; 最后, 将融合后的基本层和细节层图像进行叠加, 获取最终融合结果。 在实验部分, 选取了四组典型的红外与可见光图像来进行测试, 并与其他六种目前主流方法进行对比。 结果表明, 该方法在主观质量上具有高对比度、 目标突出、 细节信息丰富和图像边缘特征保持较好等优势。 在信息熵、 互信息、 标准差、 多尺度结构相似度测量和差异相关和等客观指标上也展现出比较好的结果。

针对双空间局部方向模式（DSLDP）人脸识别算法只是单一采用作差运算提取特征的问题, 提出一种双运算局部方向模式（DOLDP）的人脸识别方法。首先, 将图像3 pixel×3 pixel邻域像素灰度值与8个Kirsch模板算子卷积, 得到8个方向的边缘响应值; 然后, 将近邻边缘响应值按照逆时针方向分别作差和作和, 得到两组8个方向的边缘响应差值和和值, 将两组边缘响应值取绝对值, 取各自最大值的方向编码成一个二位八进制数, 构成DOLDP码。在YALE、ORL、AR和CAS-PEAL人脸库上的实验结果表明：该方法将和值空间和差值空间人脸特征信息结合, 取得了更好的识别效果; 和值空间人脸特征信息较强度空间起到了平滑作用, 对光照、表情、遮挡等情况表现出更强的稳健性。

针对差值局部方向模式(DLDP)识别效果不理想的问题,提出一种基于正交梯度差局部方向模式(OGDLDP)的人脸识别方法。分别将3 pixel×3 pixel和5 pixel×5 pixel领域的像素灰度值与两组不同的8个Kirsch算子卷积,将两组边缘响应值按照对应编号相互作差并取绝对值,得到8个水平和垂直方向的边缘响应差值;若将3 pixel×3 pixel领域得到的近邻边缘响应值,按逆时针方向前后作差并取绝对值,同样会得到8个水平和垂直方向的边缘响应差值。取两组边缘响应差值的最大值对应的方向下标,组成一个二位八进制数,形成OGDLDP码。在YALE和AR人脸库进行实验的结果表明:所提算法提高了识别率,且对光照、表情和遮挡变化有较好的稳健性。

提出了一种基于机器视觉的陶瓷碗表面缺陷检测方法，该方法主要通过Kirsch算子和Canny算子的结合来实现表面缺陷的边缘检测。采用传统Kirsch算子的8个方向模板分别对图像上的每一个像素点进行卷积求导，选取最大模板，确定其边缘方向，结合Canny算子信噪比高、检测准确度高、边缘细节保留好等特点完成表面缺陷的检测，通过缺陷的几何特征判断是否存在缺陷。实验结果表明，该算法很好地抑制了噪声干扰，提高了边缘定位准确性及检测准确度，在保留边缘信息的同时避免了伪边缘的出现。

特征提取是面部表情分类识别的研究重点。针对原始局部方向模式(Local Directional Pattern, LDP)特征提取速率缓慢的问题, 对LDP的编码方案进行改进, 设计了nLDP(new Local Directional Pattern)算子。选择Kirsch算子的 4个方向模板来获取边缘响应值, 然后将正的边缘响应置为1, 负的边缘响应置为0, 从而获得nLDP特征表示, 最后采用支持向量机(SVM)对表情进行识别。实验结果验证了提出的nLDP算子在保证表情识别准确率的同时, 有效地提高了表情识别的速率。

LDP算法是将与 Kirsch算子运算后得到的一些负值的邻域灰度值作为中心灰度值的编码因子, 这将会导致中心灰度值不能很好的反映邻域局部特征信息, 从而降低识别率。针对于此, 本文提出了一种改进的局部定向模式(CLDP)算法。该算法在 LDP的基础上, 去掉邻域灰度值为负值的因子, 对中心灰度值进行重新编码, 由于该编码值是将与 Kirsch算子运算后的正值最大值作为图像边缘输出, 使中心灰度值能很好反映邻域的局部特征信息, 从而提高人脸的识别率。本文还将提出的 CLDP算法用在 YALE, ORL, JAFFE等人脸数据库中进行人脸识别。从实验的结果表明, 该方法识别性能较 LDP算法, LDN算法以及 ELDP算法等更好的。

研究了基于学习的人脸图像超分辨率技术.针对Baker方法建立的图像金字塔提取高频细节不够丰富的缺点,提出基于多分辨率幻觉脸算法,采用Kirsch算子提取了高频特征.该算子与Baker的一阶、二阶灰度算子结合,能够提取更多的图像信息,使得匹配更为准确.将流形学习中的LLE算法思想引入匹配复原过程,复原结果获取了更完备的高频信息.对IMDB人脸库进行了试验比较,结果表明,本文方法可取得30.92 dB的平均峰值信噪比,高于Baker方法和插值算法;而且本文预测得到的先验模型更为准确,使得最终复原的人脸图像具有更好的视觉效果.