为了提高动态条件下星光导航系统星斑质心定位精度, 本文提出了一种新的模糊星斑复原算法。首先, 分析了星斑图像退化模型, 得出了星斑质心定位精度与星斑信噪比呈正相关的关系。对于载体角运动和载体振动两个因素引起的模糊星斑复原过程分成粗级复原和精级复原两个步骤。接着分析了噪声对拉东(Radon)变换的影响, 提出基于灰度拉伸的改进Radon变换算法进行粗复原。最后, 根据清晰星斑的梯度分布稀疏先验正则化, 利用迭代盲复原算法对星斑进行精复原。仿真实验结果表明, 本文提出的两步模糊星斑复原算法较传统算法复原后星斑峰值信噪比(PSNR)提高30%, 质心定位精度提高55%。

提出用固定孔径的换能器虚拟阵列探测器进行数据采集, 该换能器只需对样品进行180°扫描。实验中, 使用调Q Nd: YAG激光器作为光源, 激光器输出激光波长为532 nm, 重复频率为10 Hz, 脉宽为7 ns; 使用非聚焦换能器进行光声信号探测, 其接收面直径为6 mm, 中心频率为2.25 MHz, 接收到光声信号用逆拉东变换进行图像重建。以小白鼠的离体爪子作为成像对象, 换能器由旋转电机控制并以2°作为旋转步长进行180°旋转扫描获取实验数据, 运用逆拉东变换进行了图像重建。所重建的图像比较清晰地反映了爪子内部的骨骼分布。由此表明, 逆拉东变换可以用于光声成像, 并且实现了有限角度的光声成像。

为了得到温度场的3维温度分布情况，采用数字全息方法，并将拉东变换的图层重建理论应用到数字全息的后期图像处理过程中，进行了理论分析和实验验证，取得了温度场的3维相位和温度数据。结果表明，此方法重构的温度场3维数据和阿贝尔变换重构的温度场数据相一致，证明了该方法的可行性。

提出了基于脊小波(ridgelet)变换域的模糊自适应图像增强算法,利用脊小波变换在表示图像线性奇异边缘时具有独特的优越性,达到突出边缘和抑制噪声的目的。利用频域内傅里叶投影变换定理,提出优化有限拉东(Radon)变换系数顺序的方法,使得拉东变换后图像的折回现象得到改善;利用广义模糊集合概念和最大模糊熵原理,提出一种自适应设置模糊增强函数方法,使得增强后的图像在抑制噪声、增强特征方面达到较好折衷。通过模拟实验显示,该算法优于传统的增强方式,在低信噪比情况(2.5～5.5 dB)下,其边缘检测概率大于二维小波增强方式约50%。应用于含有局部线形裂纹的路面病害图像的增强,可以将裂纹信号基本增强出来,且对路面上离散的油滴、石子等点噪声抑制较好。

利用频域中傅里叶变换投影定理，提出一种新的离散脊波实现算法，应用于高速公路局部线性裂纹的检测取得较好效果。详细阐述了离散脊波的实现步骤以及对标准图像进行脊波变换的模拟结果，并提出拉东(Radon)变换重建原图像的基本条件。上述定理应用于复杂背景下的路面检测，结合直方图均衡化算法消除背景噪声;选用基于样本估计的阈值方法对脊波分解的各层系数进行处理去除随机噪声。选用不同的重构系数进行计算，得到脊波变换后重构图像的信噪比优于二维小波变换(低频大于20 dB)以及二维小波变换加魏纳滤波变换(平均大于3 dB)。通过图像的二值化处理提取局部线性裂纹，其分辨力极限达到2 mm精度。