针对低照度图像存在识别度不高、亮度低、信噪比低和细节模糊等问题，提出了一种非下采样剪切波变换（NSST）域结合生成对抗网络（GAN）的低照度图像增强方法。首先，收集弱光图像和正常光图像数据集，将图像进行RGB颜色空间到HSV颜色空间的变换处理，保持色度、饱和度分量不变，对亮度分量进行NSST多尺度分解，利用分解得到的低通子带图像构建训练集；其次，构建基于GAN的低频子带图像增强模型，并利用低频子带图像训练集对模型进行训练；然后，对待处理的低照度图像进行NSST分解，利用训练的模型增强低频子带图像，利用尺度相关系数去除各高频方向子带噪声，并通过非线性增益函数增强边缘系数；最后，将增强处理后的低频、高频子带图像进行NSST重构，并将重构图像恢复至RGB颜色空间。所提方法与常见的方法相比，就低照度图像增强而言，结构相似度平均提升了3.89%，均方误差平均降低了1.03%，且在对噪声图像增强时，峰值信噪比和连续边缘像素比保持在21 dB和88%以上。实验结果表明，所提方法不论从视觉效果还是图像质量客观评价指标上较常见方法都有较大提升，能有效改善低照度图像的低质问题，为后续的图像处理分析奠定基础。

鉴于开关中值滤波在椒盐噪声检测和去除方面的应用合理性, 本文分别设计实现了基于信号局部差异性和基于信号方向差异性的椒盐噪声检测算法。这两种算法均属于二级噪声检测方法, 且第一级检测手段都是基于灰度范围准则。两种算法的不同点主要体现在第二级检测算法上, 前者基于局部差别准则, 后者基于方向差别准则。在方法评价部分, 首先通过分析和实验确定两种算法的最优参数设置; 然后通过对不同噪声密度的测试图像去噪来评价两种算法的去噪效果。结果表明: 基于方向差异性的算法比基于局部差异性的算法具有更好的性能, 且两种算法的去噪效果都与噪声密度成反比。需要注意的是, 这两种算法都容易将图像中的细微边缘或细节像素误判为噪声点, 即在噪声的检测过程中, 只能避免对图像中主要边缘和轮廓像素的误判, 还无法对图像中的细微边缘和细节进行精确判定, 这也是开关二级噪声滤波算法今后的主要改进方向。另外, 算法效率测试结果表明两种算法具有相似的计算时间, 从而验证了两者之间的算法结构相似性。

图像的边缘检测在实际生活中广泛应用, 但其检测结果仍存在细节丢失问题。为此提出一种新的图像边缘检测算法。首先, 采用二维二进制小波变换, 对图像进行预处理；然后, 结合一种新的自适应双阈值算法, 检测出图像的边缘点；最后, 采用改进的数学形态学梯度检测算法, 对图像的边缘信息进行进一步检测。通过仿真实验得出, 新算法能够检测到更丰富的图像边缘信息, 使图像的边缘提取更清晰、细腻；与单一形态学算法相比, 新算法使图像的均方误差值大幅度降低、峰值信噪比提高了2.3 dB。

为解决复杂背景中难以有效提取场景文本的问题, 提出了一种基于多特征检测与支持向量回归的图像文本提取方案。为有效区分文本与非文本边缘, 基于图像边缘, 提取场景中三个文本特征。将得到的三个文本特征进行多尺度融合, 利用文本融合特征检测候选文本边界, 有助于检测不同大小的文本, 提高对不同类型的图像退化的鲁棒性。对于每个检测到的候选文本边界, 根据邻域窗口中的像素来估计每个像素的局部阈值, 利用局部阈值自适应分割提取候选字符。引入支持向量回归模型对文本像素与图像背景精确分离, 消除非文本边界, 提取真实字符和单词。实验表明: 与当前文章提取技术相比, 所提方法具有更好的鲁棒性, 能适用各种变化的复杂场景文本提取, 具有更优的Precision-Recall曲线与F测量值。

运动模糊图像的盲复原一直以来都是一个极具挑战的问题。为了能够准确地估计出运动模糊核（Motion Blur Kernel：MBK），进而得到高质量的复原图像，提出了一种基于正则化技术的多约束运动模糊图像盲复原方法。首先，为了能够准确地提取出图像中的大尺度边缘，提出了一种基于梯度选择的稀疏图像平滑方法；然后，在MBK 的估计阶段，根据运动模糊核的内在特性，提出了一种多约束的正则化模型，同时结合提取的大尺度图像边缘，实现了对MBK 的准确估计；最后，采用了半二次性的变量分裂策略对在模糊核估计阶段所提出的多约束正则化模型进行最优化求解，能够在准确估计MBK 的同时得到高质量的复原图像。分别在人造的模糊图像和真实的模糊图像上进行了大量的实验，实验结果表明：提出的方法较近几年的一些代表性的较为成功的运动模糊图像盲复原方法相比，在主观的视觉效果和客观评价指标两方面都具有明显的改进。

在二代Curvelet变换理论的基础上, 结合红外和可见光图像的成像源理以及物理特征, 为了更加有效地对图像像素点中信息质量进行测量, 提出了一种二代Curvelet算法用于红外与灰度可见光图像融合。算法中将第二代Curvelet变换域引入活度加权以对图像中像素点信息质量进行评定, 并将方向对比度以及活度加权对显著水平进行测量, 提出了用显著水平测量的方法对系数进行选择, 进而提取红外图像的目标特征以及灰度可见光图像中大量的背景特征信息。仿真结果表明, 该算法能够在保留原图像中重要信息的同时, 融合后的图像边缘细节更加清晰、边缘更加平滑。

针对现有评价方法不适合于多扭曲失真图像这一问题，本文展开了对多扭曲失真图像评价方法的研究。在分析图像的边缘信息和奇异值向量对视觉特征的表征能力的基础上，提出一种基于边缘信息奇异值分解的图像质量评价算法。首先，利用Sobel算子提取参考图像及失真图像视觉敏感的边缘信息，再对两图像的边缘信息进行奇异值分解，利用奇异值向量之间的夹角来描述失真图像的畸变程度。最后，采用LIVE数据库中的450张多扭曲的失真图像验证该文算法，并与MSE、PSNR、SSIM、CSSIM等算法进行了对比。实验结果表明，该文算法对多扭曲失真图像的质量评价具有更高的稳定性，主客观评价的一致性较传统评价方法更好。通过对比时间效率，该方法基本上满足实际需求，具有更高的适用性。

为了实现彩色图像边缘检测，建立了彩色图像自动边缘检测算法。对彩色图像基于四元数的表示方法进行描述，针对基于snake算子实现彩色图像边缘检测算法进行了研究。首先，根据彩色图像三原色的基本特征，利用四元数的矢量表示方法以及四元数基本运算方法进行描述; 其次，介绍了snake算子的基本原理，检测过程等。最后，构造了双四元数和snake算子的彩色图像边缘检测算法。实验结果表明，利用文中算法获得的彩色图像边缘检测保留了原图像的自身信息，边缘信息完整。该算法基本满足彩色图像边缘检测的稳定可靠、信息完整、抗干扰能力强等要求。