针对水下图像存在的雾化、模糊和颜色失真问题，提出一种基于全变分和颜色平衡的水下图像复原方法。以完整水下光学成像模型为基础，分别结合四叉树细分法与光在水中传播特性估计背景光，利用水下中值暗通道先验估计透射率，并采用共轭梯度和迭代最小二乘法估计模糊核。为提高计算效率，引入交替方向乘子法对变分能量方程进行逆求解得到去雾、去模糊的图像。在此基础上，在YCbCr空间采用颜色平衡算法对颜色通道进行补偿以校正色彩失真。与6种流行的水下图像增强和复原方法进行比较，实验结果表明，所提方法可以有效地去除雾化和模糊、校正色偏、恢复出清晰、色彩真实的水下图像。

针对低照度彩色图像整体亮度偏低、细节较差的问题，提出一种全变分与Gamma相融合的低照度图像增强算法。首先，采用局部变化偏差和空间自适应全变分模型（TV）将图像分为光照和反射图像，将权值与TV的指数形式相结合以提取纹理细节更好地反射图像；其次，从原始图像的HSV空间提取亮度V，执行改进的加权分布自适应Gamma矫正，获得增强的亮度矫正图像；最后，对以两种不同方式增强的图像进行加权融合，得到最终的增强结果。实验结果表明，该图像增强算法处理后的图像细节清晰，能够有效解决增强结果与原图像的亮度结构相似度较差的问题，减少图像失真和伪影现象。

现有图像增强算法在处理肺部计算机断层扫描(CT)图像时，易产生不自然的外观，引入不必要的人工伪影，并会产生洗去效应。针对此问题，本团队提出了一种基于图像分割和全变分模型的图像增强算法。该算法将图像分割为前景和背景，先对前景肺实质图像的直方图进行修改，然后根据修改的直方图对图像进行伽马拉伸，得到对比度增强的前景图像，再将其与背景图像融合作为全变分模型的输入；然后通过全变分能量泛函将图像分解为纹理层和结构层，对纹理层进行小波阈值去噪，将去噪后的纹理层与结构层进行融合得到增强图像。实验结果的主观分析和客观评价指标均表明，该算法不仅可以有效抑制图像中的伪影噪声，解决现有算法过度增强肺CT图像的问题，还可以充分提高图像的对比度，并保留图像的自然外观显示、纹理细节和边缘特征等信息。

依据完整的水下光学成像模型,提出一种新的基于红通道稀疏先验的变分盲复原方法。为了能同时克服水下场景中因水体流动及悬浮颗粒对光的散射和吸收作用而引起的雾化、对比度低、色彩失真及模糊等退化问题,变分能量方程中引入不同功能的规则项。首先,根据水下光学成像模型的直接分量和后向散射分量得到拟恢复图像,将其作为图像色彩恢复的导向图;然后基于前向散射分量建立变分能量方程的数据保真项,利用水下图像红通道稀疏性先验引入L0范数并作为去模糊规则项。为了提高多规则项、多变量变分模型的运算效率,利用交替方向乘子法对其进行迭代求解。实验结果表明,本文方法不仅在去雾、提升对比度、恢复色彩方面效果出色,并能有效去除图像模糊,改善清晰度。

由于水体及水中的悬浮粒子对光的吸收和散射作用,水下观测到的图像呈现出模糊、对比度低、噪声严重等问题,加大了水下图像分析与理解的难度。为了克服这些缺陷,以水下光学成像模型为基础,提出了一种基于拉普拉斯算子先验项的,可同时去雾、去噪的快速变分复原方法。首先,根据水下光学成像模型设计变分模型的数据项和规则项,对拟恢复图像采用拉普拉斯算子先验项作为变分能量方程的规则项。然后,采用改进后的红通道先验估计得到全局背景光,结合红通道先验估计得到每个通道的透射率图。为进一步提高计算效率,引入交替方向乘子法(ADMM)对所提出的模型进行交替优化迭代求解。实验结果表明,该算法能有效地去除水雾,抑制水下图像的噪声,提高图像的对比度和清晰度。

基于辐射源的定标校正法在工程应用中易受到特殊应用场合以及仪器工作状态偏移等因素影响, 输出图像质量欠佳。针对此问题, 基于现场可编程门阵列(Field Programmable Gate Array, FPGA)硬件平台实现了全变分模型场景实时校正算法, 阐述了模型的应用原理及抑制图像鬼影、退化问题的相关措施。在制冷型长波红外探测器上完成了功能调试及性能测试。实验结果表明, 该算法能在20帧图像内完成校正收敛, 达到良好的成像校正效果。

双边滤波是一种结合了图像空间邻近度和像素值相似度的非线性滤波方法。当噪声水平较小时, 使用输入的待去噪图像来引导双边滤波核函数权重的计算较为可行, 但当噪声水平变大时, 噪声图像的结构信息被严重破坏, 影响了双边滤波器中值域核函数权值的准确计算。提出了全变分引导的双边滤波图像去噪方法, 给出其Split Bregman快速算法。利用全变分模型对噪声图像进行光滑, 得到一幅包含清晰结构信息的图像, 将图像作为双边滤波的引导图像进行计算, 对上述过程进行迭代处理以提高算法的稳定性。实验表明, 提出得算法不仅在主观视觉效果上优于双边滤波, 客观评价指标PSNR值也较双边滤波提高了1.5dB左右;在较好去除噪声的同时较好地保持了边缘结构。

引导滤波(GF)去噪的关键是选取一幅包含清晰结构信息的引导图像。为提高GF的去噪效果, 提出一种由各向异性全变分(ATV)引导的滤波方法。首先利用ATV模型对噪声图像进行光滑处理, 生成包含良好结构信息的引导图像, 然后利用GF进行处理。为提高算法的稳健性, 对上述过程进行迭代处理。由于计算全变分模型的传统迭代方法速度较慢, 因此采用Split Bregman迭代方法进行加速处理。实验结果表明：该算法不仅在峰值信噪比、归一化均方误差和结构相似性等客观指标上具有优势, 而且计算速度比传统迭代方法提高了约30倍。该算法可以较好地快速去除噪声, 并能较好地保持图像中的结构和边缘特征等细节信息。

为了更好地对印刷电路板光板缺陷图像进行预处理，提出了一种改进的基于全变分模型自适应图像预处理方法。分析了基于全变分范数的图像预处理模型，指出了其存在的缺点。讨论了基于L1 + p 范数的广义的全变分图像预处理模型，分析了其优点与不足之处。提出了一种改进的基于全变分模型自适应图像预处理方法，该方法能尽可能地去除印刷电路板光板缺陷图像中的噪声，同时可克服缺陷图像去噪后存在的边缘模糊与阶梯效应，使去噪后的图像得到增强且具有更加光滑、细腻的视觉效果。对实际获取的印刷电路板光板缺陷图像采用四种图像预处理方法或模型进行了主观与客观实验比较，结果表明，该方法对印刷电路板光板缺陷图像预处理有较好的效果。而且，针对不同的印刷电路板光板缺陷采用该方法都能很好地检测出结果。

考虑微焦点X射线仪成像信噪比低, 混合噪声污染严重等问题, 提出了一种乘性、加性混合噪声去除方法。首先, 建立了含乘性、加性混合噪声的图像模型;其次, 基于总变分和稀疏表示原理分别构造了滤除加性噪声和乘性噪声的目标函数;最后, 应用显式差分算法和梯度投影算法分步滤除加性噪声和乘性噪声。实验结果显示, 与总变分去加性噪声方法相比, 该方法处理后的图像平滑区域均值与标准差比(MSR)平均提升了10.9%, 细节区域拉普拉斯梯度模(LS)平均提升了15.6%。这些结果表明: 本文算法不仅有效滤除了微焦点X射线图像的混合噪声, 并且较好地保留了图像细节特征, 能够满足集成电路内部缺陷检测对图像平滑度和细节清晰度的要求。