针对航拍沥青路面图像识别的噪声和干扰问题,提出一种应用于航拍图像的路面裂缝识别算法。根据路面区域与路旁景观区域灰度级数分布不同,采用多方向拟合的区域生长方法联合HSV颜色空间阈值进行路面区域分割,提取包含完整裂缝信息的单通道路面;再通过改进的形态学滤波剔除面积较大的干扰区域,利用结合显著性分析的边缘检测算法识别路面的裂缝片段,实现复杂裂缝与路面纹理噪声的区分;自动筛选存在裂缝的图像,针对裂缝可疑区域,结合人眼辅助观察标记并计算其长度。结果表明,该算法可有效剔除图像中的噪声和干扰,较好地识别沥青路面的裂缝,裂缝宽度的识别精度能达到9.7 mm,分类识别准确率大于80.0%,长度测量准确率大于75.0%。

针对自动对焦技术中存在的全局对焦困难问题，本文提出一种新的基于区域显著性分析的图像融合方法。首先用基于图论的显著性分析(GBVS)算法定位源图像中的聚焦区域，然后使用分水岭和形态学方法进一步处理显著图的封闭区域以去除伪聚焦区域，得到精确提取的聚焦区域；离焦区域用剪切波变换处理后，以SML算子选取有用的细节信息作为融合依据。最后将处理后的聚焦区域和离焦区域融合为全聚焦图像。实验证明，所提出的方法融合图像边缘清晰，细节丰富，视觉效果最好，并且在清晰度和融合度的评价指标上较传统方法提高5%以上。

为了实现红外图像与可见光图像的信息融合, 弥补单一模态图像的不足, 提出了一种基于显著性分析与改进的边缘方向直方图EOH(Edge Orientation Histogram)特征的红外与可见光图像配准算法。该算法首先利用显著性分析技术找到可见光图像中的重要信息, 得到显著性图; 将其与可见光图像融合, 实现可见光图像中重要信息的划分。然后, 利用自适应FAST(Features from Accelerated Segment Test)算法, 探测可见光与红外图像上的特征点; 利用改进的EOH, 描述特征点。最后, 根据描述计算特征点的相似性, 在可见光与红外图像上找出对应的特征点, 实现红外与可见光图像的匹配。在3种不同情况下对红外与可见光图像数据进行了配准实验。结果表明: 在红外图像与可见光图像采集条件相似情况下, 特征点正确匹配率为96.55%, 而在图像采集条件差异较大的情况下, 特征点正确匹配率可达74.21%。该算法可实现红外与可见光图像的精确快速匹配, 即使红外图像与可见光图像采集的角度与位置均存在较大差异的情况下, 仍可以满足红外与可见光图像匹配对精度和稳定性的要求。

高分辨率遥感影像中包含大量复杂的地物信息，直接通过分割提取道路的准确度往往较低，而且无法有效排除居民区等的干扰。提出一种结合视觉显著性分析的高分辨率遥感影像道路提取算法。 该算法通过自适应阈值分割得到包含居民区和道路的特征图,利用人类视觉系统进行显著性分析，得到居民区的显著图，通过对显著图的分割得到只包含居民区的特征图，对两张特征图进行异或运算，即可提取出道路。实验结果表明，所提出的算法能较为有效地除去居民区的干扰，完整地提取出道路，对今后遥感图像道路提取有一定理论与实践意义。

针对遥感图像融合中，不同地物区域对空间与光谱信息要求不同的问题，提出了一种基于显著性分析的自适应遥感图像融合算法。结合多尺度谱残差分析模型，将遥感图像分为纹理、边缘丰富的显著区域与纹理、边缘较少的非显著区域，对显著性不同的区域采用不同融合算法。针对居民区、道路等纹理、边缘信息丰富的显著区域，采用窗均值亮度色调饱和度(IHS)变换，较好地保留了空间细节；针对农田、山地等非显著区域，采用基于小波变换的融合策略保留较多光谱信息。实验结果表明，新算法能使融合结果中的显著区域保留更多空间细节，非显著区域保留更多光谱信息，为今后的遥感图像融合研究提供了一定的理论与应用价值。

提出了一种由眼动感知信息引导区域生长的彩色图像感兴趣区域提取算法。在对被试眼动感知数据分析的基础上，算法首先提取感兴趣位置点，然后以这些点的邻域信息作为种子点，在特定的颜色空间中采用颜色同质准则提取出一系列初始感兴趣区域，最后将这些区域按照被试的“关注度”进行排序得到最终的感兴趣区域。算法在RGB、HSV、L*a*b 等颜色空间中进行了测试。实验结果表明，提出的算法在RGB 和HSV 色彩空间中得到的感兴趣区域更加符合人的主观感知，具有一定的应用价值。