龋病是发病率最高的口腔疾病，也是全世界最流行的疾病之一。太赫兹光谱成像技术因具有宽频带光谱分析能力强、空间分辨率高、电离辐射低等优势，有望成为龋病诊断的新技术手段。本文以含牙本质龋的牙齿切片为研究对象，进行反射式太赫兹光谱扫描，以频域幅值为参数对样品的光谱数据做二维重构成像，获得多幅不同频率下的龋齿太赫兹光谱图像。为了解决单一参数所得的龋齿太赫兹图像动态范围小、对比度低，边缘和细节位置模糊不清的问题，采用小波梯度域重建的融合方法，将多幅图像中梯度幅值较大的部分集中于一幅图像上，得到了一幅细节特征更加清晰完整的新图像。实验结果表明，融合后的图像相较于融合前的图像在信息熵、平均梯度以及对比度上均有所提高，不同组织之间的区分效果更加显著。

近年来，深度伪造技术大幅提升了合成人脸的真实感，且相较于传统伪造方法，其生成的虚假视频更加难以分辨。基于深度伪造图像视觉伪影常常存在于特征提取网络浅层特征高频分量中这一特性，设计了一种面向浅层特征高频分量的深度伪造图像检测算法。针对高通滤波器的缺陷，本实验在拉普拉斯金字塔的基础上设计了一种具有更好的过滤性能的高频残差提取模块。在增强模块中，使用Convolutional Block Attention Module（CBAM）增加特征图关键区域以及关键特征通道的权重，提升特征图的空间以及通道相关性。针对深层网络中高频分量学习优先级低的问题，设计了一种图像梯度损失算法，防止高频信息随着网络的加深而丢失。将梯度中心化引入AdamW优化器，解决了深度伪造检测模型训练时间长、泛化性差的问题。所提两种模型在FaceForensics++和Celeb-DF数据集上的准确率均优于主流算法，证明了算法的有效性以及泛化性。

现有的多曝光融合方法一般只根据每幅图像自身的特征确定权重图，得到的融合图像存在部分信息缺失、细节不清晰等问题，尤其当图像中存在强光时，融合结果不理想。为了解决上述问题，提出了一种基于图像全序列特征权重的多曝光图像融合方法。该方法首先确定反映图像每个像素的亮度在图像自身中重要性的局部亮度权重、反映图像每个像素的亮度在图像全序列重要性的全局亮度权重、反映图像每个像素的局部梯度在图像全序列重要性的梯度权重；然后根据权重得到融合图像。实验数据选用包含各种场景的多曝光图像序列，结果表明，所提方法的平均多曝光融合结构相似性（MEF-SSIM）达到了0.980，平均信息熵达到了7.652，平均运行时间只有1.34 s。与传统方法和深度学习方法相比，所提方法得到的融合图像细节清晰、信息丰富、表现自然、更符合人眼的视觉效果，融合效果更优。

针对红外弱小目标难以识别、存在虚警的问题,根据红外线列探测器的噪声特性与小目标的梯度对称性,提出一种通过在图像梯度空间下构建多尺度堆叠增强重积分图(MSERI)来检测红外小目标的方法。估计不同的小目标尺寸,从多个方向计算图像的单向梯度图,利用估计尺寸寻找单向梯度图中各梯度值的互补梯度,对图像进行增强,之后对增强后的单向梯度图进行积分以还原图像并堆叠不同方向的积分图像,综合不同估计尺寸的堆叠图以获得增强结果。最后根据增强结果中的图像像素邻域的杂波峰-峰值计算自适应调节阈值,分割得到红外小目标。实验表明,所提方法在多种场景下均具有较好的检测能力与较低的虚警率,且运行速度优于其他性能类似的算法。

为了提高芯片级原子钟的自动化装配效率与装配精度, 研究了一种粗-精结合的微器件位姿检测方法。首先, 分析了微器件自身的特点、应用环境, 提出利用图像梯度直方图特征训练SVM分类器来实现微器件粗定位的方法, 同时通过构建遮挡样本和模糊样本以解决模型在微器件离焦模糊、遮挡情况下的漏检问题, 提高模型泛化能力。然后, 提出利用LSD算法和直线增长方法来提取目标边缘, 计算得到图像亚像素的特征点坐标。最后, 通过ICP算法计算微器件在显微视场下的实时位置和姿态。实验结果表明, 原子钟核心器件的识别准确率为95.3%, 定位平均误差小于20μm, 角度误差小于0.5°, 能够满足微装配过程中微加持器准确抓取目标器件的要求。

针对目前高动态范围(HDR)成像算法难以应对动态场景的局限性, 提出了一种有效抑制运动鬼影的HDR图像融合算法。算法根据整体图像质量, 从图像序列中选择参考图像;从像素曝光质量、细节丰富程度及与参考图像之间的局部相似性三个角度对图像内容进行评价, 根据评价结果确定融合权重;采用拉普拉斯金字塔图像融合算法进行图像融合, 得到HDR图像。采用图像熵与结构相似性(SSIM)相结合的评价标准对算法进行评价, 实验结果表明, 处理结果的平均SSIM达到0.952, 证明算法对运动鬼影具有显著的抑制效果。

提出了一种基于梯度信息的结构相似性算法改进的红外图像非局部均值滤波方法。传统的非局部均值滤波算法采用欧氏距离度量图像块之间的相似性，因而不能够很好地衡量图像细节和边缘信息，导致滤波后图像模糊失真。针对此问题，采用结构相似性度量（structural similarity，SSIM）算法对欧氏距离进行加权改进，针对普通的SSIM边缘信息评价能力的不足，提出了带有梯度信息的GSSIM算法，实验结果表明本方法在保持非局部均值（Non-Local Means，NLM）滤波算法去噪能力的同时还能够较好地保持图像的边缘和细节信息。

针对基于机器视觉的大口径光学元件表面疵病检测系统在成像过程中存在因照明不均匀等因素造成的图像背景不均匀等问题，采用了基于形态学的图像背景校正算法，提出了结合图像梯度和最大类间方差法的图像分割算法，实验结果表明，所提算法对于一定模糊程度的疵病图像具有较好的抗噪性能以及较高的提取精度。

针对传统直线段检测算法计算量大、鲁棒性差的不足，本文提出了一种在数字图像中检测直线段的算法.图像梯度对于检测图像中的边缘结构具有重要意义，算法首先求取图像梯度的模值和方向; 然后根据梯度模值伪排序结果采用梯度区域增长方法扩张方向一致的邻域像素，得到的连通像素区域作为直线段候选区域; 最后用外接矩形描述候选区域，其长轴和短轴可作为直线段判定标准，满足判定标准的长轴就是所求的直线段，并用MATLAB对图像进行仿真实验.结果表明：本文算法耗时8.87 s检测出了108条直线段，与传统算法相比,不但耗时降低了17%,而且检测出的直线段增加了16%.