锈蚀覆盖的古铜镜在非接触探伤检测中，因镜缘与镜心厚度各异，X光成像无法呈现完整的病害信息。以古铜镜X光信号为输入，搭建生成对抗融合网络。针对L2损失和梯度算子所导致的重构模糊、纹饰和裂痕等多尺度特征细节表达等问题，设计了能够增强古铜镜X光信息融合效果的优化策略。通过添加L2,12损失正则化生成器的特征学习过程，改善L2损失生成信息平滑的现象；定义拉普拉斯Ltex纹饰损失，加强训练网络对纹饰和病害的抽取效果；在训练网络中加入多尺度特征融合模块，提高细节信息生成质量。通过与7种融合方法进行实验对比，所提算法在5组对照数据中仅2组的交叉熵值略差，其余信息熵、平均梯度、空间频率、联合熵和非参考特征互信息值均取得最优，可有效呈现古铜镜X光探伤检测信息。

为了解决阿尔茨海默病3维正电子发射断层成像(PET)与核磁共振成像(MRI)相同位置强度不同问题, 同时保留MRI大脑皮质、脑回沟、海马体等的萎缩情况,首先将两幅源图像在统计参量图(SPM)中预处理, 再利用3维剪切波系统(ShearLab 3D)最优表达高维数据的能力对图像分解, 生成低高频子带, 并以方差作为阈值将高频子带分为中高频子带。低频子带使用3维扩展的加权局部能量与改进拉普拉斯算子的加权和加权的融合规则, 并引入锐化矩阵为权重参量, 使融合图像边缘清晰;中频子带以绝对值为活动度量增强图像的边缘信息;高频子带以3个3维底层特征加权融合规则增强图像的细节特征。最后, 利用ShearLab 3D逆变换获得PET/MRI图像。结果表明, ShearLab 3D变换的融合结果整体优于空域和小波变换; ShearLab 3D方法中将不同融合规则对比分析, 该算法融合结果的平均梯度、空间频率、边缘强度、综合熵分别提高了11.09%, 22.58%, 152.68%, 0.58%, 解决了边缘模糊、细节不清晰的问题。该研究为PET/MRI图像融合提供了参考。

针对现有图像融合算法生成的融合结果质量不一、多数融合图像含有大量噪声的问题,提出一种融合图像增强方法。首先对源图像进行均值滤波并借助数字减影技术获得目标图像的显著区域,利用改进拉普拉斯算子对减影图像进行双尺度分解,得到对应的粗略聚焦区域和细化聚焦区域。然后根据像素级线性混合规则生成初始决策图,借助一致性检验算法对其进行细化以获得最终决策图。最后综合产生的结果重构新的融合图像。实验结果表明,所提方法不仅对现有融合算法生成的融合图像实现不同程度的增强,对噪声具有更强的鲁棒性,处理时间小于0.4 s;对待融合图像中小散焦或聚焦区域有更好的识别能力,识别的边缘信息更清晰光滑,并在客观指标上给出具体的验证结果。

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。

提出了一种基于高斯拉普拉斯(LoG)算子的加权引导图滤波立体匹配算法。采用加权绝对差与梯度相融合的方式计算匹配代价。利用基于LoG算子的引导图滤波进行代价聚合,使惩戒参数能够随图像中的不同纹理区域进行自适应调整。使用赢者通吃(WTA)策略计算视差,并采用二次插值法得到最终的视差图。对Middlebury平台中的图像进行测试,结果表明,所提算法的平均误匹配率为4.32%。该算法可以有效地兼顾图像的高纹理区域和低纹理区域,并降低了视差图的误匹配率。

针对红外和可见光图像的自身特点，本文提出一种基于四元数小波变换（QWT）和自适应脉冲耦合神经网络（PCNN）模型相结合的红外图像与可见光图像融合的新算法。首先将红外图像与可见光图像分别进行四元数小波变换，分别得到低频子带和高频子带系数；其次，采用局部区域方差匹配的融合准则处理低频子带系数，并用自适应的PCNN 模型处理高频子带系数，用一种改进的空间频率作为PCNN 模型的刺激输入，且采用拉普拉斯算子调节PCNN 模型的阈值；最后经过四元数小波逆变换实现图像的融合。将本文提出的新算法与经典的图像融合算法进行对比分析，实验结果说明，新方法取得了较好地视觉改进效果，并在客观标准上也达到一定的提高。

对虹膜识别系统来说, 所采集虹膜图像的质量好坏直接影响识别是否成功。本文针对散焦模糊和眼睑睫毛遮挡问题提出了一种新的虹膜图像质量评价方法: 判断图像是否散焦模糊采用了LoG算子提取瞳孔两侧局部虹膜的高频能量, 判断虹膜是否有眼睑严重遮挡采用了计算瞳孔上方指定矩形区域的灰度均值, 同时计算该区域的水平梯度来衡量虹膜受睫毛遮挡的程度。仿真实验表明, 算法的平均处理速度0.020 9 s/帧, 满足实时虹膜识别系统的需求, 是一种快速有效的虹膜图像质量评价算法。

传统的LOG（高斯-拉普拉斯）算子，由于高斯函数关于中心对称，故它具有各向同性的特点，不能对不同方向的边缘进行有效地检测。基于此，建立并推导了一种改进型的LOG 算子，引入了尺度参量和角度参量，改进后的LOG 算子是各向异性的，能对不同方向的边缘更有效地检测，从而能更好地增强图像中目标细节。将这种改进后的LOG 算子用在InGaAs 宽光谱红外器件上，对其所成图像进行图像增强，经过在MATLAB 里对于同一幅图像进行比较试验，结果表明相比于传统的高斯-拉普拉斯算子，改进型LOG 算子检测到的图像边缘更多，同时对噪声的抑制效果更好，图像细节增强效果更好。

针对光栅型波前曲率传感自适应光学中的拉普拉斯算子本征函数实时波前复原方法，分析了光电探测器上的光斑大小和位置偏差，以及本征模式数量对波前复原精度的影响。结果表明：截取的光斑区域大小对波前复原精度有较大的影响，可采用环围能量比进行确定；由于存在其他级次的衍射光，光斑区域位置偏差不仅会引起波前倾斜误差，还会引起其他波前误差；当采用的模式过多时，由有限的分辨率引起的模式耦合会显著影响波前复原精度，可利用模式间的相关系数来估计最佳模式数。

针对波前曲率传感自适应光学，对比分析了直接拟合法和拉普拉斯算子本征模式法两种闭环控制方法。简要分析了两种方法的基本原理，并建立了36 单元曲率型自适应光学仿真模型，进行了大气湍流波前畸变闭环校正数值仿真。结果表明，与直接拟合法相比，存在最佳模式数量使得拉普拉斯算子本征模式法具有更高的稳定性和精度；尤其是当波前畸变较大时，直接拟合法的稳定性和校正精度明显变差。