针对在近地面场景下, 红外图像的背景杂波较难抑制、红外小目标检测率较低的问题, 提出了一种基于曲率的近地面红外小目标检测算法.将图像看作一张三维曲面, 分析目标与背景在曲面形状上的差异, 并使用曲率表征这种差异;利用Facet模型计算图像四个方向的一阶与二阶方向导数, 对于一阶方向导数搜索其过零点区域,并利用过零点区域的二阶方向导数构建方向曲率图;融合四个方向的方向曲率图, 得到最终的曲率图并进行自适应阈值分割实现目标检测.利用四组不同场景下的红外序列图像对算法进行验证, 实验结果表明, 本文提出的算法在信杂比与背景抑制因子方面都大于10, 均高于其他算法, 同时在低于6×10－4的虚警率下就能达到100%的探测率, 明显优于其他算法.

针对SAR图像特征点匹配问题，提出了一种基于Facet模型的特征点检测方法。首先基于Facet模型对局部区域做灰度曲面最佳拟合，然后计算拟合曲面中心点的二阶方向导数，取二阶方向导数极大值小于零的点作为潜在特征点，最后通过对极大值的绝对值归一化和局部非极大值抑制提取特征点。实验结果表明，该算法可有效检测特征点，算法的实时性优于传统的SIFT算法。