当前较多图像篡改检测算法主要是依靠测量图像间的距离来匹配像素特征, 以此来实现图像的篡改检测, 但其没有考虑图像特征间显著特征的关联性, 导致检测结果存在误检等弊端。为此, 设计了灰度差异耦合显著特征的图像复制-粘贴篡改检测算法。首先, 借助Harris算子, 从待检测图像中提取初始特征, 并利用像素点间的灰度差异信息, 删除伪特征, 以得到准确度较高的图像特征。然后, 将Haar小波作为求取图像特征方向信息的依据, 利用图像锐度信息, 获取特征向量。采用傅里叶变换来计算图像特征的显著信息, 利用其对图像特征实施匹配。最后, 对匹配图像特征进行聚类计算, 以辨别出图像中的篡改内容。实验数据表明, 较当前伪造检测算法而言, 所提算法不仅具有更少的错误检测内容, 而且拥有更强的健壮性, 能抵御多种仿射变换对篡改检测的干扰。

针对当前多模态医学图像融合方法中功能与结构信息互补性不强,易出现边缘失真与轮廓模糊等现象, 提出了基于局部极值分解耦合显著特征的医学图像融合方案。引入局部极值,将源图像在不同尺度下分解为一系 列的平滑与细节子图像；利用Canny算子获得边缘显著加权映射,以保持源图像的结构信息,并通过上下文感知算子来输出色彩显著加权映射, 提取色彩与亮度信息；分别定义基于边缘和色彩的显著特征函数,将其作为加权映 射系数的融合准则,得到平滑与细节融合图像；对平滑与细节图像进行重构,形成新图像。结果表明与当前融合技术相比, 在CT图像与MRI图像、CT图像与PET图像融合中,所提方法得到的边缘与轮廓更清晰,细节更丰富。提 出算法具有较高的融合质量,在医学、遥感与红外探测等领域有一定的应用价值。

针对红外目标跟踪过程中目标纹理信息缺乏, 与背景灰度呈现强耦合性, 特别是在遮挡情况下目标特征信息链断裂, 特征信息无法延续的实际跟踪问题, 提出了基于显著特征空间的抗遮挡跟踪算法。首先通过分析红外目标特性, 利用多尺度显著性、对比度和信息熵等信息生成显著特征向量空间, 结合超像素特征距离和空间距离对区域进行聚类融合, 突出目标区域, 生成显著图。然后融合显著区域和原图, 生成多个目标候选区作为跟踪算法输入。最后通过目标的空间分布场矩阵对全局的候选区域进行匹配, 同时建立遮挡检测机制, 基于显著区连通区变化和特征相似度变化曲线对遮挡的起始进行判断, 结合遮挡判定设置模型更新策略。在不同红外测试集上的实验结果表明: 所提算法在遮挡情况下也能达到较好的跟踪效果, 有效增强了跟踪算法的鲁棒性。

针对遥感影像感兴趣区域检测中所需的全局搜索与建立先验知识库等问题，提出基于显著特征聚类的遥感图像感兴趣区域检测算法。利用色彩信息，在不同的颜色通道(RGB)构建直方图以计算不同颜色通道的信息图，融合得到单幅图的显著图。接着通过k-means在CIELab颜色空间上进行聚类，在簇的层级上计算显著值，以降低计算复杂度，从而获得CIELab颜色空间的显著图。将单幅显著图与CIELab空间显著图对应融合，得到最终显著图。根据获得的最终显著图构建感兴趣区域掩膜，以达到将感兴趣区域分割出来的目的。实验结果表明，该算法不需要建立先验知识库，获得显著图结果更加准确，对遥感图像的显著性区域检测有实际意义。

将Itti模型应用于海洋监视卫星图像舰船目标的检测中。简要阐述了Itti模型的算法处理过程，并将视觉注意点的提取转移过程建立为电容阵列充电模型。针对Itti模型的诸多问题，比如所提取的显著区域形状大小固定、小半径检测实时性差、大半径检测包含背景区域多等，提出了改进算法：引入离散矩变换，增强了图像纹理特征响应；采用阈值分割的方法由显著点搜寻显著区域，提高了检测精度和实时性。运用Matlab对算法进行测试，实验结果表明，改进算法所提取的显著区域形状大小基本与目标一致，实时性好，且显著区域包含背景少。与Itti模型相比，改进算法更适合应用于海洋监视卫星图像舰船目标检测提取。

分割的难度可以利用关于视觉任务的知识来降低.在分析现有分割方法的基础上,提出了一种用目标的显著特征来限定分割区域的分割方法,使基于类间方差的门限法得以应用.同时,考虑了红外图像中船体与发动机等区域存在不同灰度分布的情况,定义了局部分割准则.实验结果证明所提出的方法能成功完成红外舰船目标分割,并能应用于实时舰船目标检测与识别.