针对车底危险物图像拼接中存在特征点匹配精度低、匹配速度慢、拼接处存在裂缝以及拼接时间久的问题，提出一种车底危险物图像快速拼接算法。首先，利用角点检测（FAST）算法进行图像特征点提取，再用二进制鲁棒不变可扩展关键点（BRISK）算法对保留的特征点进行特征描述；其次，用快速最近邻搜索（FLANN）算法进行粗匹配；接着，使用渐进一致采样（PROSAC）算法进行特征点提纯；最后，利用拉普拉斯金字塔算法进行图像融合与拼接。实验结果表明：在车底危险物图像数据中，与SIFT、SURF、ORB算法相比，所提算法的图像特征匹配精度分别提高13.10百分点、8.59百分点、11.27百分点，匹配时间分别缩短76.26%、85.36%、10.27%，图像拼接时间分别缩短63.73%、64.21%、20.07%，拼接处不存在明显裂痕。因此，基于FAST、BRISK、PROSAC和拉普拉斯金字塔组合的图像拼接算法是一种优质的图像快速拼接算法。

为进一步提升高动态范围图像在普通显示器上的呈现效果，提出了一种基于改进拉普拉斯金字塔的高动态范围图像色调映射算法。该算法将预处理后的图像分解为高频层和低频层，分别输入2个特征提取子网络，将2个包含不同特征的输出图像融合后再输入微调网络，最终得到感知效果优越的低动态范围图像。此外，该算法设计了自适应分组卷积模块以增强子网络提取局部和全局特征的能力。测试结果表明：与现有的先进算法相比，所提算法可以更好地压缩高动态范围图像的亮度，保留更多图像细节，拥有更加优越的客观质量指标和主观感知效果。

在数字图像相关计算中,通常需要人为地选择一个散斑区域以限制搜索区域。随着工业自动化的发展,经常需要获得材料表面的实时位移场和应变场,找到一种快速准确的散斑区域提取算法显得尤为重要。二阶梯度熵函数在散斑提取过程中,耗时过长,计算复杂多变的散斑图时不能准确提取散斑区域。针对这些问题,根据散斑分布特征,提出了一种基于拉普拉斯金字塔加权熵的散斑区域提取算法。该算法在降低计算量的同时,可根据不同散斑图的熵值分布直方图灵活地自动确定阈值。研究结果表明:在散斑区域提取过程中,该算法可以较灵活地选择阈值,完成散斑区域的自动提取,同时计算时间可减少90%以上。该算法较二阶梯度熵函数有了较好的改进,基本能实现复杂背景下散斑区域的提取,同时提取速度有了显著的提升。

针对现有可见光隐式成像通信调制算法隐式效果差、算法复杂的问题,提出了一种基于蓝色通道拉普拉斯最高层金字塔的隐式信息调制算法。该算法利用人眼视觉系统对黄蓝分量不敏感的特性,仅对蓝色通道图像进行拉普拉斯金字塔分解,并在最高层嵌入隐式信息。此外,考虑到图像纹理差异对隐式效果的影响,采用图像熵作为衡量图像间纹理复杂程度的指标,设计了一种基于纹理复杂度的图像分类器,并对不同分类图像的隐式效果进行了分析。仿真结果显示,所提调制算法的峰值信噪比平均可达到40.46 dB,相较于一般拉普拉斯金字塔调制算法,性能提升了5 dB,可有效增强系统的隐式效果。

偏振光学去雾技术具有细节恢复好、颜色还原度高的优点。为了进一步提高偏振光学去雾技术的去雾能力,提出了一种新型偏振光学去雾技术,该技术利用离散余弦变换构建图像金字塔,再构建图像拉普拉斯金字塔,利用传统偏振光学去雾技术对图像拉普拉斯金字塔的每一级进行去雾处理,使用去雾后的拉普拉斯金字塔重建得到去雾后图像。实验结果表明,与传统偏振光学去雾技术相比,该技术可以得到相当或更好的去雾效果,表现出良好的图像去雾能力,对于偏振光学去雾技术的进一步优化具有一定意义。

平视视景系统(HVS)融合了增强视景系统(EVS)和合成视景系统(SVS), 在飞机近陆运行阶段, 为飞行员提供实时外景信息, 提高飞行安全。提出了一种用于HVS的图像融合方法: 首先将源图像进行拉普拉斯金字塔变换, 然后对高频层采用绝对值取大的方法进行融合, 低频层采用区域能量与改进的区域平均梯度相结合的方法进行融合, 最后进行拉普拉斯反变换得到最终融合图像。实验表明该方法用于EVS与SVS图像的融合时具有良好的融合效果。

利用红外偏振信息(偏振度、偏振角)对目标进行成像，可以更好地抑制图像的背景噪声，提高信噪比。而且偏振信息相对于光强信息一般会蕴含更丰富的目标边缘轮廓信息。因此，提出一种将红外辐射光强图像和偏振度图像进行融合的算法。此方法首先对参与融合的每幅图像分别进行拉普拉斯金字塔分解，获得每层的分解图像；然后对分解后的每层图像采用不同的融合方法进行图像融合，获得每层融合图像，并对每层融合后的图像进行图像重构，得到最后的融合结果。多幅图像融合后的效果表明该方法能够增加图像的信息量，有利于场景感知和目标识别。

红外无损检测技术依靠热波信号在材料内部的传播实现对材料内部缺陷信息的检测,热波信号属于衰减波,缺陷越深,材料表面检测到的热波信号越弱,检测红外图像越模糊，进而影响了缺陷的定位和判断。本文提出采用拉普拉斯金字塔融合技术实现对红外图像和可见光图像的融合，拉普拉斯金字塔提取了图像多尺度的细节信息，针对高频、低频信息采用不同的融合方式，以获得更加突出的特征图像。最后采用该技术对平底孔试件、薄膜涂层试件、金属裂纹试件、复合材料试件的红外检测图像和可见光图像进行融合，实验结果表明：融合图像相对于红外图像、可见光图像的图像熵有所提升，能更好地实现对缺陷的定位和判断。

针对光学成像系统景深范围有限、景深范围外目标成像模糊的问题, 提出一种区域方差和点锐度相结合的拉普拉斯金字塔变换图像融合方法。该方法首先对多幅源图像做拉普拉斯金字塔变换, 提取源图像在不同频率层的特征信息; 对金字塔顶层图像和其余各层图像, 分别采用区域方差和点锐度作为融合度量, 对其进行融合, 得到融合图像的金字塔各层系数; 最后进行拉普拉斯金字塔逆变换得到融合图像。仿真结果表明, 本文方法得到的融合图像主观视觉效果和客观评价指标均优于其他常用算法, 标准差、互信息和边缘保持度分别提高了0.24%、6.8%和8.4%。该方法有效降低了融合图像的噪声, 获得了更加丰富的边缘信息, 对实现光学成像系统在大视场范围获取高分辨率光学图像具有重要意义。

近年来, 高温干扰遮蔽情况下利用红外热成像与数字全息成像相结合的新技术观察火场中目标成为时下的研究重点。理论上火焰和浓烟对长波长的红外数字全息成像没有影响, 但在现实火场环境中, 燃烧物的大颗粒灰尘将会干扰光路, 严重增加了全息图重建图像的噪声。本文提出了一种新的图像处理算法来抑制红外数字全息重建的噪声。该算法利用双边滤波器配合拉普拉斯金字塔算法将全息重建图像的细节和能量层分开, 再对细节层进行滤波, 然后用反向拉普拉斯金字塔算法将分离的层叠加回重建图像中, 从而提高重建像的分辨率, 并通过模拟火场环境验证了该算法对改善红外数字全息图重建像的分辨率具有显著效果。