利用机场跑道的高灰度特征和整体性检测遥感图像中的机场跑道。首先，利用模糊增强方法进行图像预处理；接着，对图像进行阈值分割获得二值图像，用像素标记法进行连通域提取，定位4个面积最大的区域作为疑似机场区域；然后，在疑似机场区域内，对图像进行Canny边缘检测，用Hough变换提取出直线段；最后，把含有最长平行直线的区域作为机场区域。实验结果表明，机场跑道检测算法能在遥感图像中准确有效地检测出机场跑道。

提出了一种基于小波变换的低照度图像快速、自适应增强算法。将RGB 图像转到HSV 空间，并对亮度V 图像利用离散小波变换(DWT)将图像的高、低频子带分离。在小波变换的低频子带上利用双边滤波对图像的照射光分量进行快速估计与去除，而在高频子带上利用模糊变换实现边缘、纹理信息的增强与去噪处理。对处理后的V图像，基于提出的直方图目标函数，利用鲍威尔与模拟退火相结合的优化算法，实现了对比度的快速、自适应增强处理。将增强后的V 图像与H、S 颜色分量合成为清晰化的彩色图像。实验结果表明，该算法能快速、有效实现低照度图像的清晰化处理。

火灾图像增强是图像型火灾探测系统中的重要环节。为了克服传统模糊增强算法运算量大、耗时长等问题，采用建立3维查找表并改进模糊增强算子的方法，设计了1种基于颜色三要素空间的火灾图像模糊增强快速算法。首先将火灾图像由三原色空间转换到三要素空间，然后保留H分量，分别对I分量、S分量建立3维查找表，通过3维查找表对图像中所有像素点的I分量、S分量进行模糊增强操作，最后将图像转换回三原色空间。结果表明，该算法在保留火焰色彩信息的同时大大降低了运行时间。这一结果对火灾的实时性探测是有帮助的。

在机器人路径规划中,机器人数字路标识别是很重要的,图像的预处理会影响识别结果。图像增强技术是提高预处理结果的一种有效方法,模糊图像增强算法是目前广泛使用的一种增强算法。针对Pal模糊图像增强算法在隶属函数的定义和渡越点选择上的缺点,提出了一种改进的模糊增强算法。本算法首先使用OTSU算子自动选择最佳阈值,解决渡越点需要人工设置的缺点,并消除选择的随机性。然后修改模糊增强算法的核心隶属函数式,解决了图像像素的低灰度值被硬性设置为0的缺陷,从而改善了图像信息损失的问题。最后,将改进的算法用于处理Pioneer III机器人的数字路标图像。实验结果表明,与现有的模糊增强算法相比,提出的算法可以取得好的效果,且提高了运算速度,具有一定得实用性和推广性。

在模糊集合论(FS)和广义模糊集合论(GFS)的基础上,构造出用于模糊增强图像区域对比度的新型线性广义模糊算子(LGFO),理论分析并验证了其性质。提出了一种自适应双线性广义模糊增强算法用于提取图像边缘轮廓,该算法利用线性广义隶属度变换函数与LGFO,实现了灰度图像空间与广义模糊空间的相互转换,空间转换过程中对线性广义模糊隶属空间实施了线性广义模糊增强处理,最终在灰度图像空间中使用“MIN”算子提取图像轮廓。该算法还使用可检测边缘度与噪声标准差之商作为图像增强的评估标准,自动选择模糊参数D,实现了线性广义模糊增强图像的自适应优化。实验表明,该算法快速无失真,适用于彩色图像,提取的图像轮廓准确、层次分明。

通过分析昆虫自由飞行状态下结构光光条图像的特点，提出了一种用于提取昆虫运动变形测量中弱光条中心点的图像处理方法。该方法根据图像的灰度分布情况对图像进行分块，采用小波理论对图像消噪，利用模糊增强和小波同态滤波相结合的算法增强各图像的弱光条信号，再应用steger算法提取弱光条中心点的亚像素位置。给出几种算法实验结果的比较和分析，表明该方法成功实现了弱光条信号中心点的提取，并有效抑制了噪声和干扰。

将图像邻域相关性与模糊理论相结合,定义了一种新的模糊映射方法.以此方法为基础,对映射后图像的高频和低频分量分别用模糊增强算子进行动态自适应增强.实验结果表明该方法可以有效地滤除噪声和保持目标的细节成分.