考虑到背景杂波图像结构无规则且复杂, 目标图像结构规则且简单, 两者之间的结构差异为杂波度量提供了有效途径, 提出一种基于图像结构复杂度的背景杂波表征方法。首先, 方向梯度直方图能有效表征图像结构信息, 利用图像局部区域方向梯度分布熵表征对应区域的结构复杂度; 其次, 考虑到人眼视觉系统对图像对比度敏感, 分别在图像方向梯度分布熵空间和对比度空间中度量背景杂波与目标之间的差异,采用标准方差加权求和的方式对背景杂波建模; 最后, 推导了背景杂波与目标获取性能之间的关系, 建立了光电成像系统目标获取性能评估模型。利用公开数据集对模型进行了验证, 实验结果表明, 所提方法所评估的目标获取性能与实际主观目标获取性能具有较高的一致性, 而且在均方根误差(RMSE)、相关性方面优于现有的杂波度量方法。

针对现存背景抑制算法未能有效抑制复杂背景而导致的高虚警率及低检测率问题，提出一种基于六方向梯度差各向异性高斯滤波抑制、双层正交灰度差与对角灰度差目标增强、灰度指数自适应阈值分割的小目标检测算法。首先，采用高斯滤波技术融入梯度差思想设置一系列背景抑制策略；接着，将抑制后的图像利用正交灰度差与对角灰度差映射在双层滑窗上增强局部对比度，提高目标显著性；最后，通过像素灰度指数自适应分割算法检测真实弱小目标。实验结果表明，该算法的背景抑制因子指标高达93%，能随背景局部变化来自适应建立背景抑制模型，从而自适应抑制复杂背景突出目标。

为克服现有的红外图像增强方法存在欠增强、过增强以及对比度不高等缺陷, 提出了自适应双边滤波与方向梯度的红外图像增强方法。对双边滤波进行改进, 加权系数自适应于平滑区域和细节区域, 以作为 Retinex的中心环绕函数, 将红外图像分解为基础层和细节层；用改进的平台直方图均衡化对基础层图像进行增强；提出一种方向梯度算子, 用其提取细节层图像的梯度图, 进而对细节层图像进行非线性的自适应边缘增强。实验结果表明, 相对于部分现有的方法, 本文方法能更有效地提升红外图像的亮度和对比度, 增强图像的视觉效果更佳。

针对空地背景下的红外时敏弱小目标检测, 提出了一种实用的空地红外时敏弱小目标检测方法。首先, 采用快速自适应双边滤波对红外图像进行预处理, 平滑边缘信息, 消除噪声干扰;其次, 使用模板为3×3大小的高通滤波器对红外图像进行大面积背景抑制;然后, 根据梯度特征, 采用多步八向梯度法进一步消除高频背景信息;最后, 使用自适应阈值分割的方法对红外时敏弱小目标进行提取。实验结果表明, 所提方法对空地背景下的红外时敏弱小目标检测具有较好的鲁棒性和检测性能。

为减少手指静脉识别时间, 提出一种双重降维方向梯度直方图特征( Histogram of Oriented Gradient, HOG)结合支持向量机( Support Vector Machine, SVM)分类的手指静脉识别方法。针对传统 HOG算法特征维数高的问题, 首先通过 Fisher准则衡量梯度方向区间 HOG特征的分类能力, 然后使用序列前向选择法挑选出分类能力较优异的梯度方向区间构建部分方向区间 HOG特征, 最后使用主成分分析(Principal Component Analysis, PCA)降维。在公开的手指静脉数据库 FV-USM和 THU-FV上使用 SVM多分类器进行分类识别, 实验结果表明: 双重降维 HOG方法相较于 HOG＋PCA方法提取的特征维数降低了 40%, 识别时间减少了 29.85%, 识别准确率分别为 99.17%和 100%, 等误率分别为 1.07%和 0.01%。

地形匹配导航是一种重要的利用地形和地物特征进行导航的技术。为了进一步提高地形匹配算法的精度，提出了一种基于形态学增强型方向梯度直方图（EHOG）的地形匹配算法。该算法采用形态学闭运算对干涉合成孔径雷达（InSAR）获取的实时高程图（REM）进行预处理，获取EHOG特征；将地形匹配转换为HOG特征描述子的匹配，以特征向量间的欧氏距离作为相似性度量。匹配过程中，采用粗细精结合的三步优化匹配搜索策略，提升了算法实时性。实验结果表明，与未增强的HOG算法、传统的梯度互相关算法相比，所提匹配算法具有更好的匹配精度和抗噪性，同时具有较强的鲁棒性和实用性，能够很好地应用于InSAR地形匹配。

针对现有彩色图像检索算法存在旋转变化鲁棒性差、特征维度高和检索时间长的问题，通过融合主曲率的改进方向梯度特征与HSV颜色特征，提出了一种创新的多尺度图像检索方法。该方法从多个尺度将图像表面的几何曲率信息融合到FHOG描述符中，得到基于主曲率的改进方向梯度算法(P-FHOG)，在此基础上进一步融合图像的颜色信息，得到基于颜色特征与改进方向梯度特征的多尺度图像检索方法(CP-FHOG)。在Corel-1000与Coil-100数据集上与先进的图像检索方法进行对比实验，分别取得了85.89%和93.38%的平均准确率，该算法相比其他算法准确率更高、旋转变化鲁棒性更强、检索时间更短，提高了检索效率。

针对夜间红外图像中行人与背景灰度差异小且存在遮挡等问题，提出了一种夜间复杂场景下的红外行人检测算法。首先利用行人语义融合方法生成对目标全覆盖的显著图，与原图融合得到感兴趣区域，然后构造基于改进的方向梯度直方图特征的两分支分类器，同时提出一种遮挡判别算法，根据分类器模糊分数判断是否遮挡，设计一种头部模板实现最终的行人检测。在 LSI远红外行人数据集和自主采集的冬、夏季节夜间行人数据上进行实验，结果表明：在不同环境下，所提出的方法均可快速鲁棒地检测出行人，可较显著地降低漏检率，检测率可达到 94.20%。

为了解决当前去雨算法恢复效果差、时效性一般的缺陷,提出了一种结合时间方向梯度与水平方向梯度的快速视频去雨算法。首先,将有雨图像分为背景层和雨痕层,并用背景层的时间方向梯度和雨痕层的水平方向梯度以及各层对应的预训练高斯混合模型作为先验条件,构建模型函数;其次,利用半二次分裂法对所得非凸函数进行等效变换,获得用于最小化的目标函数;最后,利用快速总变分法优化模型函数,得到模型函数的最优解。实验结果表明,相比其他算法,本算法的去雨恢复效果更优、时效性更好,且速度更快,平均峰值信噪比提升了1 dB以上。