三维全景给用户提供360°视角的同时给人以强烈的三维立体真实感,虽然近年来研究人员开发了大量的算法来检测二维及三维图像中的显著区域,但针对立体全景图像显著性检测的研究较少。考虑到全景图像的投影特点、立方体投影(CMP)图像有助于消除顶部与底部引起的扭曲及边框效果,利用等矩形投影(ERP)图像中所有可用的上下文信息,以ERP作为全局信息、CMP作为局部信息,融合了全局和局部的视觉显著图。提出的立体全景显著性检测模型由颜色相似度算法和区域对比度算法两部分组成。首先,对图像进行多尺度线性迭代聚类超像素分割,根据像素块的颜色差异得到颜色对比特征图;然后依据空间分布紧凑性计算区域对比度;根据颜色对比特征和区域对比度特征得到图像显著图。通过结合赤道偏移并且融入深度信息得到最终的立体全景显著图。最后,将所得结果在公开的立体全景图像数据库ODI中进行了对比验证,实验结果表明,所提方法得到的显著结果具有较高的准确率、召回率和F-measure值,其综合性能优于6种经典的显著预测算法。所提模型既能够充分利用图像信息,又能有效地抑制复杂的背景区域,可得到更加符合视觉感知的显著图。

针对传统图像融合方法造成的边缘模糊、细节损失、图像对比度与清晰度容易降低等问题, 利用非下采样轮廓波变换, 提出一种基于直觉模糊集和区域对比度的红外与可见光图像融合算法.首先, 使用非下采样轮廓波变换将源图像分解, 分别得到源图像的高频和低频成分.其次, 利用直觉模糊集灵活准确描述模糊概念的特性, 构建双高斯隶属函数对低频成分进行融合; 利用区域对比度详细描述图像纹理信息的特点, 采用多区域特征对比度结合距离分析的融合规则, 对高频成分进行融合.最后使用非下采样轮廓波逆变换得到融合图像.实验结果表明, 与其它融合算法相比, 该算法提高了图像对比度, 保留了源图像中的边缘和细节信息, 且得到的融合结果具有更优的客观评价值.

设计有效的特征向量是显著性检测方法的关键,决定了模型效果的上限,基于深度卷积神经网络和手工提取特征相结合的思路,提出了一种新的基于全局模型和局部搜索的显著性检测方法。在全局模型中,通过对VGG-16网络设计额外的卷积层进行训练,生成初始显著图,达到了从图像整体角度预测每一个候选区域显著性的目的。在局部优化模型中,设计区域对比度描述子和区域特征描述子对多级分割的超像素点进行描述,预测每一个区域的显著性值。最后,利用线性拟合的方法将两种模型中产生的显著图进行融合,得到最终的显著图。对4个数据集进行对比测试实验,实验结果表明,本文方法具有最高的准确率。

在诸多图像质量评价方法中, 结构相似度(SSIM)算法简单高效, 准确性较高, 但SSIM模型不能很好地评价存在局部失真和交叉失真类型的图像。针对SSIM算法对图像不同区域平等对待的不足并考虑了时域人眼视觉特性, 提出一种改进的基于区域对比度和结构相似度(RCSSIM)的图像质量评价方法。该算法将图像区域灰度信息对比度与SSIM算法融合, 加权归一为参考图像与失真图像的对比度结构相似度值, 以其评价图像质量。在LIVE图像数据库上的实验结果表明, 与SSIM算法相比, RCSSIM评价结果的皮尔逊线性相关系数提高约0.015, 均方根误差减小约0.55, 更接近于人眼主观测试结果, 具有更好的评价性能。

为了对复杂自然场景中各类显著目标进行准确的检测, 提出了一种基于图像对比度的检测方法。首先利用全局对比度算子对图像进行检测得到全局对比度显著图, 再利用局部对比度算子进行检测得到局部对比度显著图, 对局部对比度显著图再做边缘处理和形态学膨胀, 然后用全局对比度算子对其紧凑化得到最后的局部对比度显著图。融合全局和局部对比度显著图并加入一定的先验知识得到最后的显著目标图。实验表明该方法性能超过了现有大多数显著目标检测方法。

高效、准确的图像清晰度评价是实现自动调焦的关键。在分析了现有图像清晰度评价方法优缺点的基础上，提出了一种基于图像区域对比度的清晰度评价新方法，建立和分析了评价函数的数学模型，并对航空摄像机采集的系列图像进行实验和仿真。与其他算法比较的结果表明：该方法具有精确度高、对比度明显等优点，能够应用于实际的图像清晰度评价和自动对焦中，克服了单纯依靠计算灰度差带来的不足，具有较高的实用性和可靠性。

在二维魏格纳分布的框架内，针对魏格纳变换的交叉项问题和计算量大的问题,提出了合成孔径雷达图像局部伪魏格纳变换的目标和目标阴影的分割方法.首先，将合成孔径雷达图像进行二维伪魏格纳变换，得到各像素点的二维能量谱图；然后提取各像素点的二维能量谱图对应位置值形成多个不同频段的与原图像同大小的能量谱图；最后，对不同频段的能量谱图采用不同的处理方法后，将各能量谱图相加处理后形成区域标识图像，最终得到原图像的目标和目标阴影分割图像.本文利用该方法对MSTAR切片图像进行了分割试验，并对分割图像与频谱最大值距离或方位分割算法和基于双参量CFAR与隐马尔科夫联合分割算法进行了分割图像对比度对比.实验结果表明，采用本文算法的合成孔径雷达分割图像，对比度明显提高，且保留了目标图像细节.

采用光栅投影式三维轮廓术测量物体三维形貌时，当物体是台阶状物体时，物体表面的光栅条纹有阴影，导致后面的叠相还原过程无法进行。为了解决这一问题，将被测物体放在精密的旋转平台上。通过2次成像后，对2幅图像进行图像拼接，得到清晰的被光栅调制的物体图像。在图像拼接时，引入区域黑白对比度概念，区域的黑白对比度最大位置就是黑白区域的分界线。从而精确确定中间块2个边界的位置，然后进行图像拼接。最后采用双频光栅的傅里叶变换轮廓术来实现物体的三维形貌重建。结果表明：本方法简单、精度高，可以成功解决投影时具有阴影物体的三维形貌重建问题。