BSCB模型在传输过程中引入Laplace算子时采用的点是某一像素周围4个邻点,对像素的表示会有局限性,进而造成修复后边缘模糊的现象。为优化这一问题,提出一种基于粗糙数据推理的改进BSCB算法,利用粗糙数据推理空间制定与某一像素相关联的采取规则以期挖掘像素之间的近似关系、衍生关系及拓展关系,选取与某一像素相关性最大的点,从而避免像素表示的局部性问题。实验结果表明,与经典的BSCB算法相比,改进后的算法在传输过程中采取的点更能体现图像结构,可获得较好的视觉效果,峰值信噪比也从数据层面证实修复效果的改善。

以图像匹配技术为代表的弹载电视制导技术具有信息直观的特点, 作为非常优秀的图像匹配技术, SIFT算法受到了广泛的关注和深入的研究。针对传统 SIFT算法实时性差的问题, 本文提出了一种改进的 SIFT算法。在提取特征点部分, 通过 Laplace算子找出图像边缘区域并进行 Laplace加权处理, 然后利用 FAST特征点检测算法提取区域特征点; 在生成特征点描述子部分, 将传统的 128维 SIFT算子降为 48维, 利用改进的 SIFT特征描述算子为特征点赋予方向和描述符使其具有旋转不变性; 在特征点匹配部分, 利用欧式距离提取匹配点对, 并采用 RANSAC算法提纯匹配点对, 得到最优矩阵。实验结果表明改进的 SIFT算法在目标旋转、尺度变化等条件下匹配效果良好, 与传统 SIFT算法相比具有很高的实时性, 可以很好地实现图像实时匹配。

由于红外热像仪采集的热红外影像存在大量的噪声、边缘信息模糊难提取, 因此, 提出了一种基于 Laplace算子和灰色关联度相结合的边缘检测方法。该方法首先引进数学形态学对含有噪声的热红外影像进行形态学滤波, 然后利用 8邻域的 Laplace算子作为参考序列, 计算参考序列与系统序列之间的关联度得出关联度矩阵, 再给定阈值判断是否为边缘点, 最后细化影像。基于 MATLAB进行仿真实验, 结果表明: 该算法对具有噪声的热红外影像具有较好的抗噪效果, 能检测出传统方法不能提取的边缘细节信息, 通过调整阈值可以控制检测的边缘信息量, 是一种较好的边缘检测方法。

针对闪光照相底片图像可能含有缺陷的问题,提出了一种基于偏微分方程的闪光照相图像修补算法,该算法在曲率驱动扩散(CDD)方法的基础上,引入变系数的p-Laplace算子,并将其与BSCB方法交替进行修补。该算法能兼顾水平线的梯度方向和切线方向的修补信息,符合人眼的“连通性准则”,并能有效修补面积较大的破损区域。与CDD修补算法相比,该算法能快速收敛,具有更好的修补效果。