针对合成孔径雷达（SAR）图像变化检测中差异图质量不佳、检测精度偏低以及检测时间长等问题，提出了一种基于对数双曲余弦比（LHCR）差异图构造与多区域特征卷积极限学习机的无监督变化检测新方法。该方法主要由差异图生成和差异图分析两个阶段组成。在差异图生成阶段，利用各向异性扩散滤波器对同一地区不同时间的两幅SAR图像分别滤波，使用对数双曲余弦变换对滤波后的图像进行增强，通过对数比处理得到LHCR差异图，在抑制相干斑噪声的同时，增强差异图的对比度。在差异图分析阶段，应用分层模糊C均值聚类得到变化类、不变类和中间不确定类的预分类结果；进而从差异图、双时相SAR图像中获取多区域样本块，构成三通道数据输入卷积层进行特征提取。特征具有强调中心区域、抑制边缘噪声的特点；最后，使用变化类和不变类的特征向量进行极限学习机分类训练，再用训练好的模型对中间不确定类像素自动分类实现变化检测。Radarsat-2和高分三号数据集的实验结果表明了所提方法的有效性。

实时图像与标准图像高效配准是保证烟标质量检测效率的关键步骤之一。根据烟标的结构和印刷工艺，提出了一种单角区域配准方法。所提单角区域配准法包括粗配准和精配准两步：粗配准利用烟标的边界特征调整烟标在图像中的姿态和位置，并去除图像中的冗余像素；精配准利用单角区域中的特征点求出实时图像与标准图像之间的单应性矩阵，然后利用单应性矩阵完成配准。实验结果表明，所提单角区域配准方法在烟标图像的配准速度和效果上优于尺度不变特征变换、ORB和AKAZE算法，能满足烟标质量检测的实时性要求。

随着合成孔径雷达(SAR)技术的发展,SAR获取的数据量迅速增加,利用SAR图像对目标进行识别时,计算量大、耗时长。为了快速、有效地识别目标,提出了一种基于几何模型的目标快速分类方法。该方法选择二值目标区域和阴影区域为特征,首先利用目标几何模型的光学可见信息进行正向特征预测。然后将实测SAR图像中提取的二值区域与预测得到的二值区域对齐,建立相关性。最后通过融合相似度准则进行判断,实现目标分类,并在MSTAR数据集上验证了该方法的高效性和有效性。由于该方法不涉及耗时的电磁计算,在减小计算量的同时,加快了目标识别速度。

针对在动态环境下受运动物体影响而不能准确进行机器人运动估计的问题,提出一种基于ORB特征区域分割的视觉里程计算法。利用相邻区域特征点三维空间距离不变性,对提取的特征点进行区域分割,将图像中运动物体产生的特征点与静态背景的特征点分割开,去除动态物体特征点的影响,再进行相机的位姿估计,从而去除场景中动态物体的干扰。实验结果表明,基于ORB特征区域分割的视觉里程计算法能够实时地在动态和静态环境中进行相机的位姿估计,具有很高的稳健性和精度。

为了能够快速、无损地检测采后蓝莓腐烂病害, 利用高光谱成像技术对采后蓝莓腐烂病进行检测。本研究提出光谱信息分割法（SIS)对866.5 nm波段图像蓝莓病害区域进行分割, 取得了较好效果。另外根据正常蓝莓光谱曲线和病害蓝莓光谱曲线, 提出区域特征筛选法（RFS), 并结合竞争适应重加权采样（CARS)和连续投影（SPA)算法对可见光第一区域波段、近红外第二区域波段分别筛选特征波长。最后, 采用相关向量机（RVM)模型和径向基（RBF)神经网络模型对蓝莓腐烂病害进行检测。检测结果表明, 第一区域与第二区域特征波长组合建立的CARS-RBF模型检测效果最好, 特征波长为655.8,710.9,752.2,759.9,761.2,866.5,969.7 nm, 训练集和测试集正常蓝莓与病害蓝莓检测准确率分别为98.3%、98.6%和97.5%、98.75%。本研究提出的光谱信息分割法（SIS)和区域特征筛选法（RFS)检测蓝莓病害, 为蓝莓在线检测和分拣提供了一种新的参考方法。

针对高光谱图像解译需求, 提出了一种基于目标检测理论的 NSCT域高光谱图像与全色图像融合方法。首先对高光谱图像进行 RX异常目标检测, 得到目标背景分离图像; 然后对参与融合的波段图像进行无下采样轮廓波分解, 得到不同分辨率的低频子带和多方向的带通子带; 对于背景区域的低频子带系数和高频子带系数, 分别采用加权平均和平均梯度自适应加权的融合策略, 对于目标区域, 则根据不同特征采用区域方差自适应加权的低频系数融合方法和区域方差取大的高频系数融合方法; 最后进行 NSCT逆变换得到融合图像。实验结果表明, 本文提出的融合方法能够有效提高高光谱图像的目视效果, 突出目标与背景区域的差异, 有利于目视解译工作的进行。

为了对各类自然场景中的显著目标进行检测, 本文提出了一种将图像的深度信息引入区域显著性计算的方法,用于目标检测。首先对图像进行多尺度分割得到若干区域, 然后对区域多类特征学习构建回归随机森林, 采用监督学习的方法赋予每个区域特征显著值, 最后采用最小二乘法对多尺度的显著值融合, 得到最终的显著图。实验结果表明, 本文算法能较准确地定位RGBD图像库中每幅图的显著目标。

传统条形码和二维码需要铺平识别，且条形码位置不够明显，区域较小，需要在非常近的距离进行识别这些缺陷。本文设计了一套新型标签，以及一种可用于大型卖场的购物导航系统，用于快速有效的向顾客提供欲购商品的详细信息。该系统由图像采集记录模块、标签识别模块、数据库、传输模块、位置导航模块组成。系统通过图像采集记录模块拍摄商品标签信息；标签识别模块对所设计的新型标签进行识别处理，并从数据库模块中调取与识别结果相匹配的商品信息；传输模块通过数据线和无线收发技术将信息传送至位置导航模块；位置导航模块指示出该商品的实际位置，并显示出该商品的具体信息。本文针对上百幅图像进行了实验，实验结果表明：系统第一次对标签识别的正确率为90%以上，且即使第一次识别失败，也可通过简单调整商标在图像中间位置而得出正确的识别结果，且可同时向顾客提供商品信息，辅助顾客快速找到自己中意的商品。

在传统太阳跟踪器的基础上结合图像处理技术，搭建一套双模式太阳跟踪器，并围绕太阳质心提取算法展开研究。针对太阳跟踪器在太阳被云雾遮挡时无法准确跟踪的问题，提出了一种基于快速中值滤波的去雾算法，根据暗通道先验计算出透射率图，使用快速中值滤波代替软抠图方法对透射率图进行平滑，还原出无雾图像。为避免人工阈值带来的分割误差，在去雾增强的图像上使用快速最大稳定极值区域(MSER)特征区域检测方法检测出太阳区域，并提取出太阳质心。实验证明该算法在雾霾天气下仍然能够还原出清晰的太阳图像，准确提取出太阳质心，并且算法复杂度较低，满足太阳跟踪器实时处理的需求。

针对三维枪弹痕迹比对中的数据配准问题，提出了一种采用区域特征匹配的配准算法。在通过干涉仪获取枪弹痕迹三维数据后，首先采用基于剪切波的多尺度几何分析方法对数据去噪，以保证去除噪声的同时减少有效信息的损失，然后采用改进的一维高斯滤波器分离三维枪弹痕迹中的轮廓信息和纹理细节，另外，将三维弹痕纹理信息进行分区，并通过纹理信息中擦划痕迹明显的特征区域进行数据配准，最后，在配准过程中引入齐次变换矩阵以提高配准精度，并采用计算不同数据间互相关测度值的方法评价配准效果，通过纹理信息的配准结果完成原始三维枪弹痕迹的配准。实验结果表明，所提出的配准算法能够提高弹痕自动比对正确率，在现有样本及自动比对方法情况下，能够将比对正确率从90%提高至98%。