复杂背景下，传统显著性检测方法经常遭遇检测结果不稳定和准确率低的问题。针对这些问题，提出一种基于贝叶斯框架融合深度信息的显著性检测方法。首先利用全局对比、局部对比和前景背景对比方法获取颜色显著图，并利用非均质中心-邻居差异的深度对比方法获取深度显著图。其次采用贝叶斯模型融合颜色显著图和深度显著图，获得输出显著图。实验结果表明，本文的方法能有效检测出复杂背景下的显著目标，并在公开的NLPR-RGBD数据集和NJU-DS400 数据集上取得较高检测精确度。

针对夜视图像彩色融合通常存在细节信息不够丰富、颜色对比度低的问题，为了获得更为理想的彩色融合效果，提出一种新的基于非下采样剪切波变换(Non-subsampled Shearlet Transform，NSST)和颜色对比度增强的彩色融合方法。首先，分别设计基于S 函数和局部方向对比度的低频与高频融合规则，完成源可见光与红外图像在NSST 域的融合；其次，将灰度融合图像赋给Y 分量，源图像的差值信号赋给U 和V 色差分量，形成YUV 空间的伪彩色融合图像。最后，选择一幅与待上色图像具有相似颜色分布的自然日光图像作为彩色参考图像，在YUV空间对伪彩色融合图像进行颜色对比度增强的非线性色彩传递。与近年方法相比，该方法所得彩色融合效果细节信息丰富、热目标突出。将该方法运用于彩色夜视领域，可有效增强场景深度感知和目标的可探测性。

采用传输矩阵模型研究了基于低维相变薄膜的显示器件的光学特性与器件结构的关系。显示器件的类型有反射型和透射型, 器件结构的关键参数包括Ge2Sb2Te5 (GST)层的厚度、ITO层的厚度、GST层的晶态与非晶态的变化。结果表明: 对于反射型器件, ITO层的厚度对器件的反射光谱影响较大, 可以通过改变ITO层的厚度达到改变器件颜色的效果; GST层的厚度为12 nm时, GST的晶态与非晶态的变化使器件有最好的颜色对比度且消耗较低的电功率。对于透射型器件, 通过使用超薄的GST薄膜, 器件的透明度可以保持很高, 器件的透明度在GST的厚度超过几纳米后迅速下降。

针对红外与可见光彩色融合图像中目标与背景间的低对比度的问题，提出一种基于HSI空间颜色对比度增强的红外和可见光图像融合方法。首先对输入的可见光与红外图像进行直方图均衡和中值滤波加强处理，然后对加强的红外图像模糊阈值分割得到红外目标，最后把分割的红外目标图像和加强的可见光和红外图像在HSI空间的三通道线性融合和色彩传递，为了增强目标与背景间的颜色对比度，在色彩传递阶段, H通道的色彩传递方程中引入一个比例因子。实验结果表明：与其他算法相比，该方法得到的彩色融合图像热目标和低温物体与背景间的颜色对比度明显加强,同时背景的细节信息呈现白天类似的自然彩色，更加符合人眼视觉感知。

为了实现对图像中多种类目标的检测，缩短目标搜索时间，本文基于图像目标的3个显著性线索(显著性检测，颜色对比，超像素跨越),构建了一种改进的通用无监督目标检测模型。通过机器学习center-surrounding比例参数，计算各个线索的显著度得分，并在朴素贝叶斯框架下对这3个目标显著性线索进行融合，以最终确定窗口中包含图像目标的概率。实验参数在PASCAL VOC 2007图像库进行检测，检测率为28.94%，击中率达96.99%; 在MSRC图片库进行检测，检测率为80.64%，击中率达99.10%; 得到的结果证明了本文模型的通用性。另外， 该模型对单幅图像的处理时间较Bogdan的检测模型提高了40%，改进了目标检测效率。本文模型可为后续的目标识别,图像分割提供更快、更准确的先验位置信息。

根据人眼视觉系统特性, 分析了场景理解和目标探测对彩色融合的要求, 并据此提出了一种通过颜色对比度 增强来提高目标可探测性的夜视融合方法.该方法使热目标呈红色, 冷目标呈蓝绿色;根据红外图像特征, 引入了 一种和红外图像各像素亮度与图像平均亮度的偏离相关的颜色对比度增强因子, 利用该因子可增强目标与背景的 颜色对比度, 弥补颜色传递彩色融合方法在颜色对比度上的不足, 能有效提高目标可探测性.实验表明该方法既能 突出红外目标, 又能保持丰富的背景细节, 在增强场景理解的同时提高了目标可探测性.

综述国内外对人眼视觉特性的实验和模型化研究,对亮度调制传递函数以及彩色对比度的实验与模型进行了较详细的分析,指出Wandell提出的模式--彩色分离模型对人眼彩色视觉传递特性的研究较为全面和可行.