提出了一种基于非下采样双树复轮廓波变换(NSDTCT)和稀疏表示的红外和可见光图像融合方法, 以改善传统的基于小波变换的图像融合方法的不足。该方法首先利用形态学变换处理源图像, 利用NSDTCT变换进行图像分解得到低频子带系数和高频子带系数。根据高低频系数的不同特点, 提出改进的稀疏表示(ISR)的融合规则用于低频子带; 然后将改进的空间频率作为脉冲耦合神经网络的外部输入, 提出基于自适应双通道脉冲耦合神经网络(2APCNN)的融合策略用于高频子带。最后通过NSDTCT逆变换获得融合后的图像。实验结果表明: 本文方法在客观指标和视觉效果方面均优于传统图像融合的方法。与传统的NSCT-SR方法相比, 实验的两组图像中4个客观指标: 互信息(MI)、边缘信息保留量QAB/F, 平均梯度 (AG)和标准差(SD)分别提高了9.89%、6.39%、104.64%、55.09%和9.53%、17.77%、95.66%、52.89%。

针对传统颜色迁移算法计算量大、对图像无法准确进行颜色迁移的问题，提出一种基于形态学变换和快速模糊C均值聚类(FFCM)的灰度图像颜色迁移算法。首先对目标图像进行腐蚀膨胀运算，消除亮度不均匀的区域，通过FFCM聚类算法对目标图像进行准确聚类，然后在目标图像与源图像中选取对应样本块，完成样本块的颜色迁移，并以已上色的样本块为参考，完成图像的全局颜色迁移。实验结果表明:与Welsh和FCM算法相比较，本文算法处理时间分别缩短64.29 %和54.25 %，结果图像在类间交界处的颜色过渡更加自然，证明了算法的有效性。

研究了空间观测CCD图像弱小目标检测与运动轨迹提取技术,介绍了一种基于背景抑制的多目标检测与运动轨迹提取方法.首先,对图像进行阈值处理,滤除图像的背景灰度和噪声;然后生成基于序列图像叠加与形态学变换相结合的背景掩模图像,对序列图像进行屏蔽处理,得到运动目标图像;对目标图像进行交叉投影算法确定目标区域,并进一步精确确定目标质心,进而提取目标的运动轨迹.实验证明所提出的算法不仅能够有效检测星空序列图像中的多个弱信号小目标,而且具有较强的实时性.

A novel morphological edge detector based on adaptive weighted morphological operators is presented. It judges image edge and direction by adaptive weighted morphological structuring elements (SEs). If the edge direction exists, a big weight factor in SE is put; if it does not exist, a small weight factor in SE is put. Thus we can achieve an intensified edge detector. Experimental results prove that the new operator's performance dominates those of classical operators for images in edge detection, and obtains superbly detail edges.