针对微显示器分辨率、刷新率低，显示运动画面时产生动态假轮廓等成像问题，通过分析超像素技术的特性及驱动原理，结合数字驱动方式，提出数字驱动型超像素扫描策略。利用人眼的积分特性和视觉暂留特性，通过帧与帧之间在时间上切换，空间上偏移的方式，降低数据传输带宽，改善动态假轮廓现象，提升显示器成像效果。结合超像素技术设计一款数字驱动型超像素微显示控制器，并在分辨率为2 048×2 048的全彩硅基OLED微显示器上验证其可行性。仿真分析结果表明，基于超像素的数字驱动扫描策略在分辨率主观感知不变的条件下，数据传输带宽减少50%。利用最小可察觉失真积分法进行评估，超像素扫描策略动态假轮廓等于0和不超过8灰度的概率分别约为93.3%和99.3%，成像质量有较大提升。

针对暗通道先验去雾中存在的光晕和色彩失真问题，提出一种基于明亮区域分割的图像去雾算法。首先通过亮度阈值分割和区域生长将雾天图像分割为明亮区域与非明亮区域；然后用亮通道先验和超像素分别改进明亮区域和非明亮区域透射率的计算公式；再用加权融合的方法将这两个区域的透射率进行融合得到粗略的透射率，使用引导滤波对其进行优化，同时对雾天图像进行四叉树分割，取最终分割区域像素的亮度平均值为大气光值，通过大气散射模型复原去雾图像。实验结果表明，改进后去雾图像的峰值信噪比与改进前相比提高了6.5%，信息熵提高了2.1%，新增可见边之比提高了5.5%，梯度均值提高了5.3%。本文改进算法能够解决暗通道先验去雾中的问题，得到清晰且对比度高的去雾图像。

针对遥感影像车辆检测中背景干扰、目标密集和目标异质性等因素引起的识别精度下降问题，提出了一种融合超像素与多模态感知网络的遥感影像车辆检测方法。首先，基于混合超像素的区域合并规则，通过超像素二分图融合算法将两种模态的超像素分割结果进行融合，提升了不同模态图像超像素分割结果的准确性；其次，提出一种多模态边缘感知网络的遥感影像车辆检测方法MEANet （Multi-modal Edge Aware Network），引入OPT-FPN模块（Optimized Feature Pyramid Networks）来增强网络学习多尺度目标特征的能力；最后，通过边缘感知模块聚合超像素和多模态融合模块生成的两组边缘特征，进而生成车辆目标的准确边界。在ISPRS Potsdam和ISPRS Vaihingen遥感影像数据集上进行实验，最终的mF1分数分别为91.05%和85.11%。实验结果表明，本文提出的方法在多模态遥感影像车辆高精度检测中有着较好的检测准确度和较好的应用价值。

针对现有基于简单线性迭代聚类（SLIC）的超像素分割算法用于细节丰富的遥感图像处理时，存在的易受噪声干扰、过分割问题，本文提出一种结合超像素块之间基于归一化转动惯量（NMI）特征的相似性度量的遥感影像分割方法，对分割效果进行改善。本文首先利用引导滤波算法对影像进行平滑处理，去除椒盐噪点；再通过现有的线性迭代聚类算法对影像进行像素级分割，生成初始的超像素；进而确定出微小超像素块，然后计算其与相邻超像素块的相似性度量值，将其合并入差异性最小的相邻超像素块，达到分割影像的目的。本文方法在传统分割算法基础上降低了超像素对噪声的敏感性，提高了影像分割的精度。实验表明，论文提出算法可将测试遥感图像的分割超像素块数量由4 171减小为282，微小超像素块数量减少60%以上，有效降低噪声点的影响，改善以往算法存在的过分割缺陷。

分焦平面偏振图像传感器的偏振主轴方向对后续使用斯托克斯矢量进行偏振参数解算的结果准确性有重要影响。为了标定该类型传感器，提出一种基于测量分焦平面偏振图像传感器中各偏振主轴方向像素输出平均值所拟合曲线相位差的方法，并对该方法进行了仿真与实际测试。控制照射到传感器表面的线偏振光，按照设定步长旋转若干周期，传感器同时拍摄图片。选定图片的感兴趣区域，并对该区域内同偏振主轴方向的像素值求平均，获得各偏振主轴方向像素平均值随旋转角度变化的序列。使用傅里叶级数拟合法对各序列进行拟合，获得像素输出值随旋转角度变化的表达式。选定一个偏振主轴方向为基准方向，其他偏振主轴方向为该方向表达式与基准方向表达式的相位差。实际测试结果表明：标定值与名义值相差不超过0.1°。该方法的标定精度高、可操作性好，能够较好地完成分焦平面偏振图像传感器偏振主轴方向的标定任务。