为了解决传统条纹中心提取算法对物体材质及噪声敏感问题, 采用自适应结构光条纹中心提取算法来提取条纹亚像素坐标。该算法首先对图像进行预处理, 利用图像掩模操作提取条纹图像感兴趣区域, 通过自适应卷积模板消除噪声干扰, 得到条纹区域截面宽度及条纹中心坐标的像素集合;其次根据中心坐标的像素集合采用二次加权灰度重心法求取条纹中心初始坐标值, 将此作为种子点进行区域生长运算, 并结合主成分分析分解特征矩阵;最终得到线结构光中心的亚像素坐标点。结果表明, 该算法能够有效快速地获取结构光条纹中心亚像素坐标, 相比灰度重心法, 所提算法实验结果波动性较小且标准误差也相对较小, 提取速度相比基于Hessian矩阵的Steger法提高近4倍, 满足工业测量系统实时性要求。所提出的结构光条纹中心提取算法具有较高的提取精度和良好的稳健性, 计算复杂度低, 具有较高的实时性, 可为后续3维视觉测量系统提供良好的精度保障。

为了准确实现起伏背景下的目标分割，提出了一种结合信息熵和区域生长的红外小目标图像检测方法。在分析红外图像特性的基础上，对原始图像进行自适应平滑滤波，使得图像在保持目标强边缘的前提下抑制高斯白噪声;利用目标边缘在其邻域内起伏大的特点，使用基于灰度级-邻域灰度级绝对差G-G直方图的最大熵进行图像分割;利用最大熵求解的阈值选取种子点，将种子点在已分割的图像上进行区域生长。实验结果表明，所提方法在背景起伏较大的情况下具有较好的目标检测性能。

为了进一步提高复杂背景下低信噪比红外运动目标的检测性能, 提出了一种基于区域生长和背景配准的低信噪比红外运动目标检测算法。该算法首先利用局部对比度找出几个种子点; 然后根据种子点进行区域生长, 统计生长出目标的相关特征; 接着采用多帧关联的方法, 挑选出候选目标; 最后采用背景配准的方法, 剔除虚假目标, 降低虚警概率。采用大量实验数据进行仿真验证, 仿真结果表明, 相对于传统算法, 本文算法对低信噪比红外运动目标具有较高的检测概率, 较低的虚警概率。

油库是典型的感兴趣目标之一,大多数呈圆形。针对传统的基于Hough变换检测圆的算法存在计算量大、空间复杂度高等缺点,本文提出一种改进的梯度模糊Hough变换进行油库目标识别。算法首先利用梯度信息减少计算量,然后对边缘像素进行模糊映射,以减少峰值扩散和伪峰现象,最后针对Hough变换不考虑点之间的连通性的缺点设计去虚警算法。实验结果表明该方法计算量小,精度高,能准确定位圆心和半径,识别率达82.5%,虚警率为1.6%。

针对目前红外与可见光目标跟踪的视频序列融合难以满足实时性问题，利用红外图像目标与背景显著的灰度差异特征，结合目标跟踪中目标分割时常用到的区域生长法，通过区域生长方法从红外图像中提取目标区域，再将得到的红外目标区域与已经过图像配准的可见光图像的背景区域进行融合处理，最终得到既具有红外图像较好的目标指示特性又具有可见光图像清晰场景信息的融合图像。实验表明：该算法不仅简单易行，而且所得到的融合图像视觉效果优于其他融合算法得到的图像。