针对显微镜观测动态平面目标时的自动对焦需求，提出一种基于图像清晰度评价的显微镜静/动态自动对焦方法。首先，根据对聚焦-失焦图像特征的分析，建立加权Tenengrad评价函数评估方法和图像分块对焦窗口模式。其次，针对搜索过程中的局部极大值问题，利用模拟退火理论建立对焦搜索模型。最后，为了对动态图像进行评价，利用图像模糊法来判断动态无参考图像失焦水平。在此基础上，形成了静态调焦模型，动态失焦检测与实时对焦模型。通过搭建显微镜自动对焦实验平台，结果表明：该静态调焦模型能够使显微镜快速准确地静态自动调焦，动态失焦检测和实时对焦模型能够使显微镜满足在动态观测下离焦检测和实时调焦的要求。

为了更好地评价图像质量, 解决在基于卷积神经网络的图像质量评价模型(CNN-IQA)上明显忽略的分块图像之间存在差异性的问题, 提出了一种多特征融合的CNN模型。首先, 将整幅图像进行不重叠分块, 并提取每个分块图像的信息熵和纹理特征。然后, 将提取计算的两特征相结合, 计算各分块图像的重要性权重, 以此衡量分块图像对失真图像质量的影响。最后, 根据计算出的重要性权重修改损失函数, 突出重要性高的分块图像在训练过程中发挥的作用。在LIVE数据集进行验证和对比实验发现, 该算法的SROCC与LCC指标为0.962和0.960, 相比原算法至少提升09%; 在TID2008数据集上验证和对比实验发现, 该算法获得的SROCC与LCC指标为0.922和0.926, 相比原算法至少提升06%。并且在两数据集上的结果均优于其他对比算法。实验结果证明了其在预测图像质量方面具有良好的性能和泛化性。

无参考图像质量评价是近年来的研究热点,目前常用的评价算法都是从灰度空间提取特征。为了增加颜色通道信息对图像质量的反馈,分别提取了RGB(Red,Green,Blue )、LAB(Luminosity,A,B)、HSV(Hue,Saturation,Value)颜色空间中各通道下的亮度去均值对比度归一化(MSCN)系数,并用非对称广义高斯分布模型(AGGD)拟合。对拟合得到的MSCN系数统计特征,用梯度提升回归算法训练,得到无参考图像质量评价模型,并将各颜色通道训练模型和灰度空间训练模型的预测分数与主观评分进行比较。结果表明,相比灰度空间,部分颜色通道下的无参考图像质量评价模型的单调性、主客观一致性、稳定性都有一定提升,用RGB_B通道下提取的特征训练的模型性能最好,Pearson相关系数从0.63提升到0.70。

针对数字图像在处理过程中容易产生模糊的现象, 提出了基于无参考图像质量评价的自适应反卷积去模糊算法。首先, 根据无参考图像质量评价结果与其失真等级的强相关性, 通过计算模糊图像的无参考评价参数确定图像的模糊等级, 进而根据图像模糊等级与模糊核的对应关系确定反卷积核; 其次, 提出将失真图像颜色空间转变到 YUV, 仅对失真图像 Y通道进行去模糊处理, 保证了彩色图像处理前后颜色的忠实性, 并提高算法运算效率; 最后, 针对图像灰度剧烈变化的邻域出现类吉布斯(Gibbs)振荡分布的现象, 提出基于梯度的权重矩阵进行控制。实验结果表明, 本文提出的算法在 Tid2008图库不仅能够对图像模糊进行快速有效去除, 并且恢复图像的纹理细节能够得到有效保留。

目前图像质量评价的研究都是在相对标准观察环境下进行的, 没有考虑电子显示设备在不同场合使用时照明亮度的变化对图像失真造成的影响。通过在四种不同环境光照度下进行主观评价实验探究MOS值变化规律, 在BRISQUE和SSEQ算法的研究基础上, 利用机器学习方式获取亮度因子来反映不同亮度条件引起的人眼感知变化, 建立不同亮度下图像质量评价模型。改进后的算法模型针对噪声、压缩、模糊的SROCC系数在不同的亮度环境下均有良好的效果, 表明修正后的算法模型具有很高的普适性和准确性。所提算法是对现有算法模型的很好补充, 尤其适用于户外高亮度条件下的图像质量评价。

为客观、准确地评价目标可见光的伪装效果,提出一种基于图像修复技术的伪装效果评价方法。利用具有针对性改进的图像修复技术构造伪装目标所在区域与周围背景融合度高的理想伪装图案;采用无参考图像质量算法得到理想伪装纹理近似度(即修复效果度量)以消除误差;对待评价伪装目标与近似理想伪装进行相似度检验;融合理想伪装近似度与结果相似度值对目标伪装效果进行综合评价。仿真结果表明,该评价方法的结果与目视观察的结果具有较好的一致性,可有效评价目标伪装效果。

针对多飞行器协同末制导条件下单一基准图的适应性问题，提出一种有效的基准图适应性分析方法。建立了多飞行器协同末制导模型，重点研究了飞行末段飞行器探测夹角与初始位置的模型关系; 针对探测夹角模型，结合实际参数进行算例分析，并提出一种基准图的适应性分析方法; 模拟探测夹角对实时图施加几何畸变，采用归一化积相关算法进行大量匹配仿真实验，对提出的基准图适应性分析方法进行了有效的验证，为多飞行器实时图校正、基准图改造以及匹配算法适应性增强等研究提供理论依据。

可见光与红外热图像的彩色图像融合技术是现今国内外高性能夜视技术发展的重要方向之一, 该技术有效提高了人们对目标的探测和场景理解能力。 目前常用的色彩传递算法多属于基于单幅参考图像的全局色彩传递算法, 彩色融合图像的色调受到参考图像的影响较大, 在实际应用中难以保证对各类场景的适应性。 针对常规YUV空间色彩传递彩色图像融合算法的环境适应性问题, 通过对植物、 城镇和海天三类典型场景的分类与统计, 发现了典型场景在UV通道的均值和标准差具有的较为明显的分类特性, 由此提出了一种基于UV通道均值和标准差的自适应参考图像构造方法, 使得可见光与热红外彩色图像融合算法具有较常规算法更好的环境适应性, 融合图像的色彩具有较好的自然感, 且算法处理量较小, 对现有实时硬件融合处理算法的运算速度影响不大, 是一种环境适应性强的自然感彩色融合处理算法。

由于传统的无参考彩色图像质量评价方法与人眼感知结果的一致性较差, 本文提出了一种全面利用待评价图像的色度、锐利度和对比度的无参考彩色图像质量客观评价方法。分析了彩色图像锐利度的局部特征, 提出了一种新的彩色图像锐利度测量模型。基于对比度的局部特征和Buchsbaum曲线特征, 建立了新的彩色图像对比度测量模型。最后, 通过线性组合色度测量模型、锐利度测量模型和对比度测量模型, 构建了无参考彩色图像质量评价函数。利用TID2013数据库中的3类退化图像(高斯模糊图像、对比度改变图像和噪声图像)验证了本文提出的锐利度测量模型、对比度测量模型和无参考彩色图像质量评价函数的性能。结果表明, 本文提出的锐利度测量模型和对比度测量模型的性能均优于传统的锐利度和对比度计算模型。提出的无参考彩色图像质量评价函数的Spearman秩相关系数(SROCC)为0.904, Kendall秩相关系数(PROCC)为0.865, Pearson线性相关系数(PLCC)为0.922, 亦均优于传统方法。