双目立体匹配根据视差原理将平面视觉转化到三维立体视觉,是三维重建的核心步骤之一。针对局部立体匹配算法在深度不连续、弱纹理区域匹配精度低且易受光照、噪声等因素干扰的问题,提出了一种改进的立体匹配算法。首先,在代价计算阶段将改进的Census代价与梯度代价进行融合,并采用引导滤波算法对图像进行多尺度代价聚合;然后,采用赢家通吃算法计算初始视差;最后,采用左右一致性检测、中值滤波进行视差后处理,得到最终的视差图。实验结果表明,本算法在Middlebury2.0测试平台上的平均误匹配率为5.11%,且具有很好的稳健性和实用性。

针对低对比度下手机膜缺陷图像分割较难的问题,提出了一种改进的Retinex增强方法。首先,利用高斯卷积估计缺陷图像的光照分量,获取反射分量;对反射分量进行自适应非线性变换以及对比度受限自适应直方图均衡(CLAHE)修正,提高图像对比度,并利用顶帽变换进一步去除光照背景的影响,实现手机膜缺陷图像的增强。然后,针对最大类间方差(OTSU)算法对缺陷边缘的暗细节分割不完整的问题,引入增强图像的梯度图像,实现手机膜缺陷的有效分割。实验结果表明:在低对比度情况下,相较于原缺陷图像,本文算法处理后的图像的信息熵提升约20%,对比度提升约100%,分割效果较好。

为了提高太赫兹图像的质量, 克服边缘模糊的缺陷, 采用有理分形插值和基于梯度变换的图像超分辨率重建算法相结合的方法对0.25THz, 0.50THz和0.75THz图像进行超分辨率重建实验, 并对实验结果进行了定量分析, 利用基于空间信息熵的直方图匹配技术和双边滤波器对重建算法进行了优化, 增强了该方法的适用性。结果表明, 对经过插值的太赫兹图像采用基于梯度变换的超分辨率重建方法处理之后, 0.25THz, 0.50THz和0.75THz图像的边缘强度分别提高了169%, 116%和104%, 平均梯度分别提高了16%, 28%和24%; 同时, 成像信号频率和强度也会对重建性能产生影响。该方法可以有效恢复太赫兹图像当中的细节信息, 锐化图像边缘, 提高图像质量且不会出现振铃现象, 具有较好的实用价值。

光学遥感图像海面舰船目标检测易受云雾，海岛，海杂波等复杂背景的干扰。本文提出了一种适用于复杂背景的舰船目标检测方法。首先为了克服目标尺度多变问题，利用视觉显著性生成多 尺度显著图，然后使用基尼指数自适应选择最优显著图。考虑到全局阈值分割算法带来的漏检测问题，提出一种新的方案来分离目标和背景像素点。利用图像膨胀原理获取显著图的局部极大值点， 然后使用k-means算法判断极大值点属于目标像素点还是背景像素点。接着对目标点邻近区域进行精细分割。最后引入基于径向梯度变换的旋转不变特征来进一步剔除虚警。实验结果表明，该算法 能够成功检测出不同尺寸和方向的舰船目标，有效克服复杂背景的干扰。算法检测正确率93%，虚警率4%，优于其他舰船检测方法。

针对现有立体匹配算法对噪声敏感、易失真、在视差不连续区域与弱纹理区域误匹配率高的问题,提出一种改进Census变换与梯度融合的多尺度立体匹配算法。采用支持窗口内所有像素的加权平均灰度值作为Census变换的参考值,将Census代价与由水平和垂直方向归一化结合的梯度代价进行加权融合,通过设置噪声容限获得稳定的代价,提高了单像素匹配代价的可靠性;在多分辨率尺度下,采用改进引导滤波算法完成对匹配代价的聚合;通过视差提取获得视差图。实验结果表明,该算法在Middlebury测试平台上对标准立体图像对的平均误匹配率为4.74%,对27组扩展立体图像对的平均误匹配率为8.67%。该算法使得视差不连续区域与弱纹理区域的误匹配率进一步降低,且对噪声和光照等干扰表现出较好的稳健性。

水体的散射效应、激光光斑、成像器件的非理想化等因素使得图像出现大量无规律粒状噪声, 它们增加了水下距离选通图像的背景噪声, 模糊了目标轮廓, 掩盖了目标细节, 降低了图像的信噪比。针对上述问题本文提出了一种基于梯度和小波变换的去噪方法。首先对图像进行余弦小波变换, 得到不同频率空间的图像集。低频空间引入新的图像梯度强化方法以提高图像的纹理信息量; 对应非均匀性条带的LH或HL空间做曲面拟合处理以消除非均匀性条带的影响; 在HH空间去噪过程中, 低层空间做非局部均值处理以保留图像相似信息, 高层空间做分数阶积分处理以保留图像细节信息。最后小波逆变换得到结果图像。从实验水槽中采集水下图像进行算法验证, 将改进方法与已有算法比对分析。实验表明, 本文所研究的水下去噪算法, 能够平滑噪声且更大限度地保留图像细节纹理, 在客观评价指标上提升了6%。