根据句芒号足印影像特点，提出一种针对复杂背景噪声的激光光斑质心提取方法：基于灰度转换模型去除地物背景，结合距离约束、高斯滤波和大津阈值分割去除影像噪声，并利用灰度重心法计算质心坐标。使用所提方法对多种地物类型仿真光斑和实测光斑进行质心提取，结果表明：所提方法的质心提取均方根误差约为0.074 pixel，最大误差约为0.482 pixel，对句芒号光斑影像的适应性较好。对句芒号足印影像光斑开展了稳定性分析，结果表明，所有激光波束的光斑质心坐标的标准差小于0.34 pixel，激光器与光轴监视相机的相对几何关系较为稳定。所提方法可用于激光光斑质心提取及稳定性监测，对句芒号激光数据处理和应用有一定参考价值。

散斑噪声存在于光学相干层析成像(OCT)中, 影响OCT图像质量。在使用OCT设备诊断各种常见眼科疾病时, 高质量的OCT图像是极为重要的。利用深度神经网络对OCT图像进行降噪处理, 使图像在保留空间结构细节的基础上能展示更多的信息。提出了一种基于残差学习网络的新型OCT图像降噪网络-CMCNN, 其具有多尺度、多权重和多层次特征融合等特点, 并且在保留图像空间结构细节的基础上降低图像噪声; 再将提出的模型与传统降噪算法、深度学习降噪模型进行比较。实验表明, CMCNN在峰值信噪比(PSNR)和结构相似性(SSIM)方面比其他深度学习方法提高了2.5%左右, 验证了方法可以有效地保留OCT图像中的细节信息, 同时有效地抑制噪声, 提高图像质量。

红外图像处理中，由于非制冷红外探测器工艺技术上的原因，原始的红外图像包含多种噪声，尤其是椒盐噪声、固定或随机条纹噪声。当前有许多红外图像降噪的滤波算法，但在时间、空间、降噪效果、细节保持等方面各有侧重，难以实现完美结合。如何更快速、更高效、更准确地滤除噪声信息，保留更多的细节信息，是今后红外图像处理降噪研究的关键方向。本文调研了目前主流的红外图像降噪算法，并从传统滤波降噪、变换域滤波降噪、基于图像分层处理滤波降噪三大类别进行了分析比较，并且提出了一种结合传统算法和基于图像分层的自适应降噪算法，为今后的相关领域研究人员提供参考。

图像噪声会严重影响数字体图像相关(DVC)方法的测量精度,因此,通过数值模拟平移实验、真实重扫描实验和压缩实验研究了图像噪声及高斯预滤波对DVC位移测量结果的影响。实验结果表明,高斯预滤波能显著降低图像的噪声水平,从而减小由噪声引起的系统误差,但对插值误差的影响较小,原因是高斯预滤波会降低图像的灰度梯度。因此,高斯预滤波可以显著提高经典前向累加牛顿-拉弗森算法的精度,但对反向组合高斯-牛顿算法的精度影响不大。此外,高斯预滤波处理可提升2种算法中各计算点的相关系数,得到匹配度更高的子体块。

实现数字图像中噪声参数的精确估计对提高图像处理的质量有重要意义。对被高斯白噪声所污染的图像进行稀疏主成分分析时, 其部分主成分的负载向量的均值与高斯白噪声标准差呈现一定的线性关系。基于此特征, 本文提出了一种快速精确的图像噪声估计方法。在该方法中, 通过对高斯白噪声污染图像添加多种已知标准差等级的新的高斯白噪声以产生多幅新图像, 然后对每幅图像进行稀疏主成分分析, 并求取多个主成分负载向量均值。最后, 通过求解一个超定方程组实现图像高斯噪声标准差等级的精确估计。实验结果表明, 本方法在低噪声(δ0=5)到高噪声(δ0=70)条件下均具有较高的估计精度和较强的鲁棒性, 在实际工程中具有一定的实用价值。

光学相干层析扫描(OCT)作为一种新型无创高分辨率扫描方式, 在临床上得到广泛应用, 但是 OCT图像本身存在严重的散斑噪声, 这大大影响了疾病的诊断。本文针对 OCT图像中的乘性散斑噪声, 改进了两种原始字典降噪算法。该算法首先对 OCT图像进行对数变换, 采用正交匹配追踪算法进行稀疏编码, 以及 K奇异值分解学习算法进行自适应字典的更新, 最后通过加权平均以及指数变换回到空域。实验结果表明, 本文改进的两种字典算法能有效降低 OCT图像中的散斑噪声, 获得良好的视觉效果。并通过均方误差 (MSE)、峰值信噪比 (PSNR)、结构相似性 (SSIM)以及边缘保持指数(EPI)四个指标评价降噪效果, 与两种原始字典降噪算法和传统滤波算法相比, 两种改进字典算法降噪效果优于其他算法, 其中自适应字典算法表现更好。

近年来, 高温干扰遮蔽情况下利用红外热成像与数字全息成像相结合的新技术观察火场中目标成为时下的研究重点。理论上火焰和浓烟对长波长的红外数字全息成像没有影响, 但在现实火场环境中, 燃烧物的大颗粒灰尘将会干扰光路, 严重增加了全息图重建图像的噪声。本文提出了一种新的图像处理算法来抑制红外数字全息重建的噪声。该算法利用双边滤波器配合拉普拉斯金字塔算法将全息重建图像的细节和能量层分开, 再对细节层进行滤波, 然后用反向拉普拉斯金字塔算法将分离的层叠加回重建图像中, 从而提高重建像的分辨率, 并通过模拟火场环境验证了该算法对改善红外数字全息图重建像的分辨率具有显著效果。

关联成像是一种通过单像素探测器以成像时间换取空间分辨率的新颖成像方案, 然而, 其存在重建质量低、数据采集时间长的问题。Hadamard编码调制计算关联成像能够实现高效率的成像, 显著提高了关联成像方案的适用性, 但是其独特的图像噪声集中现象是影响其实用化亟待解决的难题。通过分析Hadamard矩阵作为测量矩阵计算关联成像重建结果的噪声特点, 基于图像分割理论, 提出了一种利用阈值处理和形态学图像增强的Hadamard编码调制关联成像噪声压制方案, 并通过实验验证了该方案的可行性, 获得接近8 dB的光学图像增强。该方案对二值图像和灰度图像都有比较好的效果, 其工作促进了关联成像技术的实用化。

针对图像分割中经典GAC模型无法准确分割拓扑结构变化的凹陷目标、容易穿越深度凹陷的弱边缘轮廓和无法准确分割含噪声目标的问题, 通过利用图像灰色关联度、类间方差和经典GAC模型构造新能量函数, 提出了一种改进的GAC模型, 该模型可增强经典GAC模型的边界检测能力, 减少分割时间。仿真实验验证了改进的GAC模型的正确性和有效性。

图像清晰度评价是实现数字图像自动调焦的关键,而调焦图像降噪直接影响着图像评价的准确性。为有效抑制调焦图像中存在的两类主要噪声,结合椒盐噪声和高斯噪声特点,综合采用十字中值滤波法和维纳滤波法实现了图像降噪。实验结果表明,相比于单一降噪方法,综合方法不仅能最大程度地降低两类噪声,而且能较好地保护图像细节,可作为自动调焦成像系统图像预处理的主要方法。