使用现有边缘检测方法提取古代壁画的线稿，存在噪声干扰大且丢失信息较多的问题。本文提出一种融合像素差卷积的壁画最优波段线稿提取方法，利用最小噪声分离方法将壁画多光谱数据的有效信息和噪声分离，选择最优主成分波段进行线稿的提取。针对传统卷积提取图像梯度信息的问题，引入像素差卷积提高边缘检测的图像梯度信息。在侧输出网络加入尺度增强模块（SEM）丰富多尺度特征，同时针对像素级别不平衡引起的像素错误分类问题，设计了基于图像相似度的Dice损失函数策略，逐级最小化像素距离获得清晰图像边缘，并利用壁画数据集先验知识微调模型解决数据集不足的问题。实验结果表明，本文方法可以在壁画褪色和噪声较多的场景下提取出较为清晰的线稿，线稿图像的SSIM和RMSE均优于其他算法，分别提高了2%~10%和2%~4%；在公开数据集BIPED上对模型进行验证，所提方法的ODS和OIS较PiDiNet分别提高0.005和0.007。该方法对褪色及具有病害的壁画可以提取出清晰完整的线稿图像。

为了有效地检测复杂背景下的红外弱小目标，提出了一种基于横纵多尺度灰度差（HV-MSGD）的方法来增强弱目标，并通过距离和像素差异来实现对背景强边的抑制。目标区域与周围区域之间存在不连续性，为了加强它们的差异，HV-MSGD与双边滤波（BF）相结合，可以在抑制背景的同时提高目标强度。进一步通过自适应局部阈值分割和全局阈值分割来提取候选目标。为了进一步验证对单帧检测的影响，将上述单帧检测算法与改进的无迹卡尔曼粒子滤波器（UPF）相结合，实现轨迹检测。实验结果表明，该方法在弱信噪比（SNR）下优于其他方法，在抑制背景的同时可以增强目标，增强效果是其他方法的6-30倍。在实验中，输入信噪比分别为2.78,1.77,1.79,1.13和1.16。图像处理后，背景抑制因子（BSFs）分别为13.48,21.33,11.73,20.63和121.92，信噪比增益（GSNRs）分别为40.09,71.37,27.53,12.65和131。该方法的检测概率（Pd）也优于其他算法。当误报率（FARs）为5×10-4, 1×10-3, 1×10-3, 1×10-5和7×10-6，计算五组真实序列图像的Pd为94.4％，92.2％，91.3％，95.6％和96.7％。