为了将可见光图像与红外图像中的细节信息更多的呈现在融合图像中，突出目标特征并获得更好的图像视觉效果，本文提出一种基于改进谱残差显著性图的红外与可见光图像融合方法。首先用改进的谱残差显著性检测算法提取红外图像的显著性图并获得融合图像的显著性系数，然后对源图像进行双树复小波分解，并根据特定的融合规则分别对图像的低频部分以及高频部分进行融合，最后采用双树复小波逆变换重构获得最终的融合图像。实验表明，本文融合方法相较于传统融合方法融合质量更高并且在视觉效果上有显著提升。

本文提出一种谱残差和梯度纹理融合特征来检测可见光遥感图像中复杂海面背景下的舰船目标。首先, 使用谱残差模型定位疑似舰船目标, 并采用自适应动态阈值法获取候选目标区域。然后, 根据舰船的形状特点, 对梯度方向直方图特征进行改进, 设计出表征舰船特性的梯度方向特征。同时, 将提取候选目标区域的统一化LBP特征的方差以及灰度共生矩阵特征相结合来描述舰船的纹理信息, 得到30维特征向量。最后, 通过训练好的AdaBoost分类器来完成舰船目标鉴别。本文的检测算法, 针对尺寸为1 024×1 024的可见光遥感图像, 检测时间为4.792 6 s, 检测精度为95.51%, 召回率为96.65%。实验结果表明: 本文算法能准确提取海面舰船目标, 获取舰船目标的数量和位置信息, 从检测时间和精度上来看, 可以作为实际工程参考。

通过将参考图像与失真图像表示为纯四元数矩阵,提出了一种用于检测两幅图像视觉显著性区域的四元数谱余量方法。将该方法与四元数梯度特征作为指标构建彩色图像质量评价方法,并将视觉显著性作为评价指标的权值。利用Spearman等级相关系数(SROCC)、Kendall等级相关系数、Pearson线性相关系数及均方误差平方根4种客观评价指标在TID2013与CSIQ数据库中进行数值实验,结果表明,所提算法在TID2013上的SROCC值为0.8169,且与人的主观评价相匹配。

分析了高分辨率SAR图像中海洋背景和舰船目标的特点，针对高分辨率SAR图像提出了一种两阶段舰船目标快速检测算法：第一阶段采用改进的频谱残差视觉显著计算模型快速获取视觉的感兴趣区域；第二阶段检测阶段，结合贝叶斯理论二元假设检验的思想，设计了一个局部最大后验概率分类器进行像素分类，经参数估计、判决准则完成显著区域内像素二分类以实现目标检测。实验采用典型的高分辨率SAR卫星Terra-SAR-X卫星数据进行仿真实验，结果表明所提算法具有良好的检测性能，也更加符合实际高分辨率图像舰船目标检测的应用需求。通过进一步实验与以往检测算法的对比得出结论，高分辨率SAR图像舰船目标检测方法在能够改善由斑点噪声和不均匀的海杂波背景对检测结果带来虚警的同时，检测速度也提高了25%~50%。

针对高分辨率合成孔径雷达图像设计了一种舰船目标几何特征提取算法.通过视觉注意机制检测目标区域的算法, 通过频谱残差视觉显著计算模型求取显著图, 完成显著区域的检测以实现舰船目标的初步定位, 基于获得的视觉显著图采用最大熵算法完成阈值分割筛选出舰船区域.在提取的舰船切片的基础上, 采用针对几何特征的提取算法, 经图像预处理、方位角估计、旋转获取最佳表征舰船目标几何轮廓的外接矩形, 相对有效准确地提取几何特征; 最后, 采用典型的TerraSAR-X数据进行仿真实验.结果表明, 与传统方法相比, 本文提出的频谱残差视觉模型完成合成孔径雷达图像舰船切片的区域分割能够有效降低虚警率, 舰船目标的检测速度提高了25%~50%.该方法能够快速稳定地提取舰船目标的几何特征, 也更加符合实际高分辨率图像舰船目标检测的应用需求.

针对带钢表面缺陷检测实时性要求高，采集的图像易受光照环境影响且缺陷特征弱等因素影响，提出一种基于谱残差视觉注意模型的带钢表面缺陷在线检测算法。首先，提出改进同态滤波方法对图像预处理，去除光照不均匀的影响，改善后续的分割结果。 然后，构建谱残差视觉注意模型，通过对数频谱曲线差分得到缺陷显著图像。最后，提出加权马氏距离方法对显著图像阈值化增强，并利用连通区域标记法，标记出原带钢图像的缺陷位置。对提出的算法进行了实验验证，结果显示: 该算法检测速度快，单幅图像平均检测耗时仅37.6 ms，满足带钢在线实时检测要求。在同一缺陷数据库与灰度投影法，多尺度Gabor边缘检测法和隐马尔可夫树模型法进行了性能对比，结果表明: 本文算法对带钢常见8类缺陷类型，平均检测率达到了95.3%，且漏检率和误检率较低，有效性高于对比算法。

行人检测是计算机视觉的经典问题。针对红外图像中的行人检测问题，提出了一种基于似物性和稀疏编码及空间金字塔特征提取的行人检测方法。首先，针对红外图像的特点，利用基于频域残差的显著性分析方法得到红外图像的显著图，在此基础上提出了一种似物性计算方法，进而得到不同区域的似物度得分，并根据得分提取出感兴趣区域；其次，以尺度不变特征转换为基础，将稀疏编码和空间金字塔算法应用于非监督特征学习实现对感兴趣区域的特征提取；最后，利用线性支持向量机构建分类器实现对图像中每个感兴趣区域的行人检测。实验结果验证了本文提出的感兴趣区域提取算法和针对单幅红外图像行人检测算法的有效性。

校正样本选择以及奇异样本剔除对于近红外光谱定量和定性建模非常重要.现有的识别奇异样本的方法一般都基于数据重心估计,需要一个经验的判断阈值,在很大程度上限制了其识别准确性和实用性.针对现有方法奇异样本识别准确率低的问题,改进了一种现有度量尺度-杠杆值,构造出一种新的基于强影响度的奇异样本识别算法.这种度量尺度在一定程度上减少了对数据重心的依赖,使正常样本更加聚集,拉开了奇异样本与正常样本的距离;同时,为了避免人工根据经验设定阈值的不合理性,引入统计学领域中跳跃度的概念,提出了一种自动阈值设定方法判别奇异样本.为了验证该算法的有效性,利用马氏距离、杠杆值-光谱残差法与该算法分别对200个代表性校正集样本中的异常样品进行剔除,然后通过偏最小二乘法(PLS)对剩余的校正集样本(以烟碱为指标)定量建模,并对60个代表性测试集样本进行预测,以交互验证均方根误差(RMSECV)、相关系数(r)和预测均方根误差(RMSEP)为评价指标比较各算法的优劣.实验对比结果表明,基于强影响度的奇异样本识别算法较现有方法明显提高了奇异样本识别的准确率,具有较低的RMSECV(0.104),RMSEP(0.112)以及较高的R(0.983),提高了模型的稳定性和预测能力。

针对遥感图像融合中，不同地物区域对空间与光谱信息要求不同的问题，提出了一种基于显著性分析的自适应遥感图像融合算法。结合多尺度谱残差分析模型，将遥感图像分为纹理、边缘丰富的显著区域与纹理、边缘较少的非显著区域，对显著性不同的区域采用不同融合算法。针对居民区、道路等纹理、边缘信息丰富的显著区域，采用窗均值亮度色调饱和度(IHS)变换，较好地保留了空间细节；针对农田、山地等非显著区域，采用基于小波变换的融合策略保留较多光谱信息。实验结果表明，新算法能使融合结果中的显著区域保留更多空间细节，非显著区域保留更多光谱信息，为今后的遥感图像融合研究提供了一定的理论与应用价值。