从图像复杂度的角度，提出一种一维对象复杂度的灰度图像分割算法。用阈值将灰度图像分为背景与目标2类，统计其对应直方图与总像素个数，并计算对象复杂度；依据图像复杂度分割准则算法公式，遍历每一灰度级对应的图像复杂度值，选取图像复杂度值最小对应的灰度值为最佳分割阈值。仿真实验结果表明，与经典Otsu算法、信息最大熵算法和最小交叉熵算法相比，本文算法速度快，稳定性和效率最好，是一种通用有效的图像分割算法。

为解决在复杂变光照环境下车道标识线的辨识问题,实现全天候环境的车道偏离预警,提出了一种新的车道标识线辨识算法。将基于OTSU算法的自适应图像分割技术用于在不同光照环境下车道标识线的划分,对图像的全局阈值和局部阈值进行加权处理得到自适应阈值,采用45°与135°梯度方向的Sobel算子提取车道边缘信息,通过改进Hough变换方法完成车道标识线的辨识过程。对不同光照环境下的道路图像进行对比实验,结果表明本文方法比传统Hough变换法的识别准确率平均提升了5.7%,检测单帧图像的平均耗时为57.79 ms。所提算法的抵抗干扰性能良好,能够适应各种光照环境,并且能够满足系统实时性的要求。

针对背景复杂的电力设备红外图像分割问题，提出一种新的分割方法。该方法运用线性谱聚类算法（LSC）对图像做超像素分割，将颜色、距离相似的像素聚类至同一个中心；利用在全局图像基础上计算所得的 Otsu阈值对各超像素块做背景预标记，并利用最大相似度区域合并算法（MSRM）对超像素块进行合并，在得到目标设备的同时，有效降低了过分割和欠分割率；最后运用数学形态学算法对图像做后处理，在保证设备特征的前提下提高目标设备分割精度。实验表明，在复杂背景下与其他算法相比，该方法可得到更为准确、完整的目标设备。

在激光测距仪镜头组件的自动化装配中, 快速、精准识别感光元件雪崩光电二极管( APD)的定位坐标, 对于完成镜头焦点的精确对位以及提高图像处理效率至关重要。针对 APD的图像识别与定位过程, 本文提出一套基于机器视觉的高效、高精度的图像处理算法。首先在粗定位图像处理阶段中, 为提高运算效率, 利用抗干扰性强的高斯金字塔搜索归一化互相关匹配( NCC)算法, 对图像中的 APD进行粗定位。在边缘检测中, 采用 Otsu算法自适应地根据梯度图像变化生成高低阈值, 避免了传统 Canny算法的手动设置高低阈值的难题。在目标轮廓提取阶段采用连通域标记法, 过滤掉孤立的像素点和非目标区域像素点, 保证了下一步的轮廓拟合精度。在最后的轮廓拟合精定位阶段中, 通过对两种拟合算法比较过程中, 确定最小二乘法圆拟合亚像素定位算法进行 APD轮廓拟合, 可以保证效率和定位精度, 实验结果表明整个图像处理系统用时 596 ms、定位精度 0.4 pixel, 相对误差为0.64%, 实现了 APD图像快速、精准定位的过程, 提高了定位精度和效率。

为了解决高速视觉目标跟踪系统在进行目标跟踪过程中目标的尺度与清晰度的变化, 提出一种基于尺度不变性的自动调焦算法。该算法包括基于改进型二维OTSU分割的自动变焦算法和基于二维图像信息熵的对焦算法, 通过高速视觉目标跟踪系统获得目标区域, 计算目标像素面积和清晰度评价值, 转化为可调焦镜头变焦步数和对焦步数后通过FPGA发送调焦指令, 最终完成自动调焦动作。设计了自动调焦验证系统以验证算法的性能并得出满足追踪要求的最佳调焦参数。实验证明, 该算法在高速目标跟踪系统的跟踪过程中可以较好地完成自动调焦任务。

针对电气设备的红外图像背景复杂、信噪比低的特点，提出了一种基于 OTSU和区域生长相结合的故障分割方法。首先，采用 OTSU算法将故障红外图像分割为种子区域和背景区域，去除大面积背景的干扰；然后采用自动选取种子点的区域生长算法完整的分割出故障区域。试验结果表明该算法针对复杂背景的红外图像能有效地消除干扰，并能完整地提取出故障区域。

针对TFT-LCD点缺陷自动光学检测时, 缺陷与背景对比度较低难以用传统阈值分割算法处理的难题, 提出一种改进的Otsu算法, 并构建了TFT-LCD 点缺陷自动光学检测系统。首先, 通过Gabor滤波去除了纹理背景的影响。然后, 利用威布尔函数形态参数分段取值时, 其分布函数呈现的不同分布特性, 改进了传统Otsu阈值提取函数。最后, 进行了离线测试试验和在线测试试验。试验表明, 改进的Otsu算法在点缺陷与背景对比度较低的情况下分割效果优于传统Otsu算法。将该算法移植到TFT-LCD 点缺陷自动光学检测硬件平台上进行在线测试, 正确检测率可达到94%, 单个样本最短检测时间可缩短至150 ms。降低了TFT-LCD人工检测点缺陷的工作量和劳动强度。

热红外影像特殊的成像机理和特点, 使影像中存在大量的噪声导致边缘信息模糊难提取。基于传统 Sobel算子提出了一种新的边缘检测方法。首先利用数学形态学中的不同尺度、不同结构元素对具有随机噪声的热红外影像进行形态学去噪, 再用 Otsu算法对去滤波后的影像进行全局阈值分割, 最后利用 Sobel算子对其进行边缘提取。基于 MATLAB仿真实验, 结果表明: 与传统的 Sobel算子相比, 该方法不仅有较强的抗噪性, 而且检测出的边缘外部轮廓与内部细节特征表达较好, 边缘具有连续一致性, 是一种简单、快速的边缘检测新方法。

导航星目标的提取是近红外天文导航中的关键步骤，直接关系到后续的星目标识别和星图匹配。由于天光背景很强，提取星目标极为困难。近红外天文导航在近红外波段对恒星进行检测，即使在白天也可获得足够多用以导航的恒星目标。在分析近红外星图图像特点的基础上，引入能量投影，根据投影峰值确定潜在恒星目标和噪声点的位置；然后根据能量变化，设定待处理区域，并使用最大类间方差(Maximum between-cluster Variance, OTSU)算法进行目标和噪声点快速提取；最后使用多帧叠加，剔除噪声点，最终提取出恒星目标。实验结果表明，该算法计算简单，运行时间短，同时具有较高的检测率。该算法能够在复杂的背景中有效地检测出恒星目标，虚警率较低。