针对红外与可见光图像融合算法中存在的目标提取不充分、细节丢失等问题，提出一种基于改进的区域生长法（IRG）与引导滤波的红外与可见光图像融合方法。首先对红外图像使用IRG进行目标提取，然后对红外和可见光图像使用非下采样剪切波变换（NSST），并对所得低频与高频分量进行引导滤波，由滤波后的红外和可见光低频分量通过基于IRG的融合规则得到低频融合系数，由增强的高频分量经过双通道脉冲发放皮层模型（DCSCM）得到高频融合系数，最后经NSST逆变换得到融合图像。用主观评价和6种常用客观评价指标对融合图像进行评估。实验结果表明，所提算法的融合图像目标突出、背景信息清晰、细节保留能力强，在主观和客观评价上均有明显优势。

在某燃料元件产品中燃料颗粒随机弥散分布在非金属材料中，表征燃料颗粒的分布状况进而评估产品工艺质量具有重要意义。针对该问题，对三维空间内相邻燃料颗粒的间距测量进行了研究，使用X射线微焦计算机层析成像（CT）对该类产品进行了三维扫描成像，从而得到了三维CT图像。在三维CT图像的基础上，提出了一种结合改进型空间直觉模糊C均值聚类和三维区域生长的自动算法，用于分割图像中的燃料颗粒以得到每个燃料颗粒的空间结构。然后，通过计算质心获得燃料颗粒的中心坐标，进而自动计算出相邻燃料颗粒的空间距离。通过仿真实验验证了所提算法的可行性，通过标准球实验验证了测量误差，并通过实际燃料元件测试了相邻燃料颗粒间距的自动测量，表明了所提方法对燃料颗粒间距测量的有效性。

针对提取道路点云聚类方法存在欠分割、过分割的问题, 提出了一种基于坡度滤波算法和改进欧式距离的区域生长算法相结合的道路点云提取方法。原始点云数据量大且繁杂, 采用统计分析进行预处理, 去除一定数量悬空的噪声, 减少数据量; 为防止点云数据精度损失, 对预处理后的点云按照格网进行划分, 结合坡度滤波算法, 去除非地面点干扰, 获取地面点云; 以法向量夹角和欧氏距离为约束条件, 采用改进的区域生长算法提取路面点云。使用两组不同场景下的车载点云数据进行试验, 证明了该方法的有效性。

对料堆表面和形态进行特征提取是实现仓储自动化、智能化的前提与基础，为货料的自动存、取控制提供判断依据。为了提取料堆的形态与覆盖面特征，首先，采用激光雷达对料堆进行扫描，获取三维点云后使用融合算法进行预处理；其次，基于表面法向量的差异和空间距离差异对点云进行超体素聚类；最后，利用曲面凹凸判断方法对聚类后的三维点云曲面提取出凸面，从而实现了料堆表面形态的判断。实验结果表明，该方法可较好地识别料堆表面特征，识别误差小于3.11%，且不需要针对场景进行训练，可直接应用于不同料堆场景。

红外警戒系统、红外成像制导导弹等**装备在进行性能评估和模拟训练过程中都需要大量红外仿真图像，但目前红外仿真软件普遍存在生成红外仿真图像逼真度差、软件普适性不好等问题，且国外技术封锁造成我国红外仿真软件发展缓慢。因此，针对国内可见光图像仿真技术日趋成熟的现状，为提高红外仿真图像质量，本文提出了一种采用循环生成对抗网络、由可见光图像生成红外仿真图像的方法，并通过实验验证该算法是有效可行的。该算法首先通过区域生长算法从采集的可见光图像中提取水上目标，建立了水上目标可见光图像生成红外图像的训练数据集；然后利用训练好的网络生成红外仿真图像。测试实验表明，采用这种方法所生成的水上目标红外仿真图像视觉效果接近真实红外图像，可实际应用于海军红外**装备模拟试验和训练系统。

为了提高移动机器人感知环境、执行高级任务的能力，针对传统视觉同时定位与建图（SLAM）构建的地图缺乏语义信息无法对场景内容进行理解的问题，提出一种基于物体分割的语义地图构建方法。首先，通过改进的语义分割模型DeepLab V3+对二维图像进行分割，获取物体的标签；然后，根据改进的迭代最近点（ICP）点云拼接方法构建稠密地图，并且采用区域生长算法对三维点云进行分割；最后，将二维标签映射到三维稠密地图中，构建出语义地图。实验结果表明：所提改进的DeepLab V3+算法与原方法相比，检测速度提高了约4倍；采用改进的ICP算法进行点云拼接时，在TUM数据集的fr/360序列上其相对轨迹误差较ORB-SLAM算法减小了约16.4%；最后，与ORB+YOLOv3、ORB+MASK-RCNN、ORB+DeepLab V3+方法相比，所提方法减少了语义地图的冗余信息，而且建图速度更快，并且占用储存更少。

牙菌斑是牙齿表面一层难以观测的生物膜, 是导致龋齿、牙龈炎等一系列疾病的直接诱因。牙菌斑的早期定量化无损检测具有重要的临床意义。短波长光激发下, 牙菌斑的细菌及其代谢产物可以产生自体荧光。基于前期成像系统的基础上, 采集大量牙菌斑在405nm蓝光激发下产生的红色荧光; 牙菌斑越成熟红色荧光强度越高; 采用改进的U-net网络对该红色荧光进行分割, 对分割出来的牙菌斑进行轮廓提取获得质心, 并利用区域生长算法分割出牙菌斑所附着的牙齿, 综合牙菌斑成熟程度及面积来评估牙菌斑指数。结果表明改进的U-net网络分割精度优于传统方法。将牙菌斑的面积和成熟程度结合对牙菌斑进行量化, 一定程度上可以消除人为诊断的差异性。

由于医疗图像质量差、对比度低、患者之间差异大导致全自动分割方法很难获得足够准确、鲁棒的结果。为了解决全自动分割方法的局限性, 本文提出一种基于神经网络改进的区域生长法, 并与全卷积神经网络相结合对肝脏CT图像进行交互式分割。首先对图像进行预处理, 突出待分割肝脏区域; 接着计算像素在不同边缘检测算子下的梯度值作为该像素的特征, 形成像素特征向量训练网络: 该网络以一对像素特征向量为输入, 以两像素的关联度系数为输出; 然后将训练好的神经网络模型作为区域生长算法的生长准则, 手动交互选取一点产生分割结果; 最后将分割结果作为原图的交互信息和原图灰度通道连接在一起一同输入全卷积神经网络。实验结果表明: 平均Dice系数达到96.69%, 像素准确率达到99.62%, 平均交并比达到9665%。不同的腹部CT图像序列中肝脏的分割结果表明, 该方法能精确提取肝脏区域, 满足临床应用的需求。

针对电厂高温管道红外图像背景复杂、干扰较多的特点，结合电厂巡检机器人系统对图像处理算法的需求，提出了基于改进二维最大类间方差法(OTSU)和区域生长法的电厂高温管道缺陷定位与分割方法。将红外图像灰度化后，通过改进二维 OTSU进行预分割，提取出管道区域；基于管道区域灰度直方图，结合邻域灰度均值，实现多种子点的自动检测与定位；采用基于生长区域灰度均值和标准差的自适应阈值以及基于 Prewitt算子的梯度幅值改进的生长准则完成缺陷区域的分割。实验证明，所提算法不仅能实现电厂高温管道多缺陷自动检测与定位，而且能精确地提取出缺陷区域，准确性高且具有良好的实时性。