针对道路场景中数字字符高噪声、多视角和难以定位识别的问题,提出了一种稳健的道路场景数字字符定位识别算法。采用基于色彩空间和边缘增强的最大稳定极值区域(MSER)算法来提取候选区域,设计了几何约束滤波器,并与笔画宽度变换(SWT)联合滤除非字符区域,得到字符定位结果。对Lenet-5中的收敛函数和池化窗进行改进,将定位后的字符区域归一化输入网络中,得到最终的字符识别结果。实验结果表明,本文算法的字符召回率达到90.0%,综合性能值达到0.89,字符识别率达到88.6%,优于同类算法性能。

针对红外相机与可见光相机联合标定的问题, 利用不同物体红外辐出度的差异, 设计了可同时应用于红外相机与可见光相机标定的平面靶标。利用“最大稳定极值区域”(MSER)算法, 检测靶标的镂空深色区域。为克服图像可能存在较大畸变的问题, 通过相邻最大稳定极值区域质心的位置关系预估角点所在位置, 在预估位置内进行角点检测, 提取用于标定的亚像素角点位置。结果表明: 新型靶标及相应的角点提取方法能够同时满足于红外相机与可见光相机内外参数标定的需要。通过红外与可见光“双双目”立体视觉系统的融合重构效果可看出, 提供的标定数据能够满足系统需求。

针对激光主动成像的图像特性, 提出一种基于快速轮廓转动力矩的目标识别方法。将转动力矩的概念引入目标识别中, 提出的快速轮廓转动力矩特征(FCTF)不仅包含了轮廓的尺寸、位置、规则度以及目标的亮暗等信息, 同时对于旋转、尺度缩放等变换具有不变性。采用转动力矩的快速计算方法, 提高了识别算法的计算效率。识别算法首先使用最大稳定极值区域(MSER)算法检测出目标特征区域, 并将其变换为圆形区域, 然后结合快速转动力矩特征算法提取出目标区域的局部不变特征, 最后输入训练好的支持向量机分类器进行识别。实验结果表明相比于已有的激光主动成像目标识别方法, 所提算法对于旋转、仿射变换均具有更高的识别率, 同时单帧平均运算时间为968 ms, 满足激光主动成像目标识别系统实时性的要求。

在传统太阳跟踪器的基础上结合图像处理技术，搭建一套双模式太阳跟踪器，并围绕太阳质心提取算法展开研究。针对太阳跟踪器在太阳被云雾遮挡时无法准确跟踪的问题，提出了一种基于快速中值滤波的去雾算法，根据暗通道先验计算出透射率图，使用快速中值滤波代替软抠图方法对透射率图进行平滑，还原出无雾图像。为避免人工阈值带来的分割误差，在去雾增强的图像上使用快速最大稳定极值区域(MSER)特征区域检测方法检测出太阳区域，并提取出太阳质心。实验证明该算法在雾霾天气下仍然能够还原出清晰的太阳图像，准确提取出太阳质心，并且算法复杂度较低，满足太阳跟踪器实时处理的需求。

针对可见光图像和红外图像配准问题，提出了一种新的自动配准方法.该算法通过同级极值区域检测子在灰度梯度图像上提取仿射协变区域.然后利用超图匹配算法确定匹配点对实现图像配准.该方法尤其适合于红外图像的质量或者边缘比对应的可见图像质量或边缘差情况下的异模配准.对一些具有挑战性的图像对进行试验，实验结果表明我们提出的方法比其他方法获得了更好的性能.