剪切散斑干涉测量技术是一种非接触式高灵敏度的光学检测技术。从技术研究和应用领域等方面对剪切散斑干涉技术近年来的发展进行介绍，详细阐述空间相移剪切干涉测量、多方向剪切干涉测量、多功能复用测量等剪切散斑干涉新技术，并介绍其在航空、航天、汽车、机械、新材料等领域的无损检测应用。最后，对剪切散斑干涉技术的优势和不足进行分析讨论，并对未来的研究方向进行展望。

数字图像技术实现自动对焦的关键步骤是有效的图像清晰度评价。针对传统的灰度梯度算法抗噪性差和实时性低的问题,提出一种改进的清晰度评价算法。首先通过OSTU方法和全局方差计算出图像自适应分割阈值;然后比较自适应分割阈值和图像像素点局部方差以提取整幅图像中的边缘像素点;最后考虑人眼视觉特性,采用多方向的Tenengrad算子对图像进行评价运算,将图像中边缘像素点的评价运算值进行叠加,得到图像的清晰度量化值。为了衡量改进算法的性能,将其与传统的灰度梯度算法进行比较。实验结果表明,与传统的灰度梯度算法相比,所提算法具有实时性高、灵敏度强且抗噪能力好的优点。

针对各向异性高斯方向导数滤波器运算量大、耗时长的问题,利用盒式滤波器拟合出各向异性高斯方向导数滤波模板,并结合积分图像,提出一种性能优良的快速角点检测算法。利用盒式滤波器设计了6个方向的导数滤波模板,并结合积分图像,快速计算输入图像在各个方向上的导数响应;基于角点的稀疏特性,提出一种候选点粗筛选机制,快速筛选出候选角点区域像素以减少后续运算所涉及的像素数量;针对每一个候选像素,利用各个方向的导数响应构建多方向结构张量积,生成角点测度。将提出的算法与9种经典的检测器在仿射变换、高斯噪声干扰等条件下进行性能评估,在尺寸不同的测试图集上进行耗时对比。实验结果表明,新提出的算法具有优良的检测性能,耗时少,满足实时处理的需求。

针对目前基于韦伯特征的人脸识别算法没有充分利用方向信息且提取信息不充分的问题,提出一种多方向韦伯梯度直方图的人脸识别方法。在原始差分激励的基础上增加邻域像素梯度,提取改进的差分激励和韦伯梯度特征;将改进的差分激励与韦伯方向进行量化并分块提取二维直方图,进而转化为一维直方图特征,将韦伯梯度分块后沿韦伯方向累积提取直方图特征;连接两个特征形成组合特征,并利用最近邻分类器分类。通过在不同人脸库的实验可看出,所提算法具有良好的识别效果,且对光照、表情和部分遮挡变化有较好的稳健性。

设计了基于动态密钥选择与多方向扩散的图像加密算法。利用128位外部密钥来生成4个Logistic映射的初值, 通过对其迭代, 获取4个随机序列; 利用明文自身像素特性, 定义一个引擎计算函数, 联合随机序列, 在像素置乱过程中, 根据引擎值来动态选择加密密钥, 通过构建非线性像素交叉互换方法, 不同的密钥来置乱不同的明文像素位置, 消除了置乱周期性; 设计4方向连续扩散方法, 利用4个方向的扩散函数对置乱图像进行加密。测试数据表明: 与当前图像加密技术相比, 所提技术具备更高的安全性与抗明文攻击能力, 能够较好地对图像完成解密。

为了削弱当前加密密文存在的周期性,改善算法的安全性与动态性,提出了一种多方向扩散图像加密算法。将初始图像分割为2个均等的子块,引入Logistic映射获取2个随机序列。 通过设计量化机制形成新的数组,并将其重新组合为2个矩阵,建立像素交叉控制策略,对子块完成高度混淆,降低置乱周期性。设计了4方向折叠加密方法, 每一个不同的扩散方向对应一个扩散函数,从4个方向来实现像素扩散,削弱扩散周期性。结果表明与当前混沌加 密技术相比,所提算法具有更高的加密安全性与抗攻击能力及较高的保密性,能够提高图像抵御网络攻击的能力,确保图像信息安全。

针对航拍沥青路面图像识别的噪声和干扰问题,提出一种应用于航拍图像的路面裂缝识别算法。根据路面区域与路旁景观区域灰度级数分布不同,采用多方向拟合的区域生长方法联合HSV颜色空间阈值进行路面区域分割,提取包含完整裂缝信息的单通道路面;再通过改进的形态学滤波剔除面积较大的干扰区域,利用结合显著性分析的边缘检测算法识别路面的裂缝片段,实现复杂裂缝与路面纹理噪声的区分;自动筛选存在裂缝的图像,针对裂缝可疑区域,结合人眼辅助观察标记并计算其长度。结果表明,该算法可有效剔除图像中的噪声和干扰,较好地识别沥青路面的裂缝,裂缝宽度的识别精度能达到9.7 mm,分类识别准确率大于80.0%,长度测量准确率大于75.0%。

为进一步改善图像处理中的噪声抑制和边缘检测性能,提出了一种多尺度多方向结构元素形态学图像 边缘检测算法。该算法基于数学形态学中结构元素的方向性差异,充分利用了腐蚀、膨胀、开、 闭及其变换和组合运算。对图像进行去噪、边缘提取等预处理操作,以提高图像的信噪比和边缘细节; 利用递归的多尺度多方向结构元素形态学滤波得到图像的初始轮廓;利用多尺度形态学和多方向结构元 素进行图像边缘检测。实验结果表明提出的算法抗噪性强,能有效准确地提取边缘信息。

为了提取手掌静脉图像的纹理特征, 并有效提高其识别率, 在联合Gabor小波和近邻二值模式(NBP)的基础上提出了一种纹理特征提取方法。该方法利用静脉结构中血管粗细与延伸方向不同的特点, 将掌静脉图像感兴趣区域与4尺度、4方向的Gabor小波卷积获得多个幅值特征, 并在4个不同的尺度下分别求取均值, 获得Gabor尺度均值模式(GSP), 在每个GSP分块上使用NBP描述算子来提取局部邻域关系模式(GSPNBP)。然后将这些多尺度、多方向的GSPNBP分块区域的编码序列的总和作为掌静脉特征向量。最后通过求特征向量间汉明距离衡量静脉图像的相似程度来计算识别率, 并在PolyU图库和自建图库中进行实验。实验结果显示, 该算法获得的识别率最高可分别可达99.7935%和99.3965%, 识别时间都在1 s以内, 有效增强了算法稳健性。

针对复杂海天背景下红外弱小目标难以检测与识别的问题，提出了基于海天线检测实现远距离弱小目标识别的方法。该方法对采集到的红外图像进行相关处理。通过用多级小波变换方法抑制背景杂波噪声提高目标信杂比；然后使用多方向Gabor滤波融合方法增强海天线边缘，并通过霍夫变换方法实现海天线定位和检测；最后通过定位海天线确定海天线附近区域的目标搜寻范围，缩小目标点潜在区，从而提高弱小目标在海天背景下的检测和识别概率。