针对现有的高斯噪声去除方法的边缘保持能力差、去噪图像对比度低等缺陷，提出一种带边缘增强的双树复小波阈值去噪方法。充分利用双树复小波的平移不变性和多方向选择性等优秀特性，根据高斯噪声的数学模型，由假设推导出一种自适应的双树复小波阈值去噪模型；提出一种多向梯度算子，对由阈值去噪模型得出的去噪图像进行边缘提取；最后对边缘图像与去噪图像进行线性有参叠加，得到边缘增强的去噪图像。实验结果证明，所提方法具有良好的去噪性能、边缘保持能力和快速的计算效率。

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。

对于单幅红外图像中目标隐身伪装效果的评价, 在经典的结构相似度(SSIM)算法的基础上, 用改进四方向梯度算子提取梯度信息, 建立梯度差异函数, 替代SSIM算法中的结构相似性函数, 提出了一种基于改进梯度相似度(IGSIM)的图像相似度评价算法。根据该算法设计了红外图像均等分块数量确定实验和目标红外隐身伪装效果评价实验。结果表明: 得出的评价指标与人眼视觉特性更具一致性, 能较好地处理单幅红外图像中目标隐身伪装效果评价的问题。

为了提高零件二维尺寸测量精度和效率,提出一种基于图像处理的非接触式检测方法。对零件图像进行灰度化、采用自适应中值滤波算法来减小图像数据量以及除去噪声; 通过最大类间方差法自动确定阈值获得二值图像; 采用形态学梯度算子提取图像边缘,并用最小二乘法拟合像素尺寸; 通过标准件法对系统进行标定获得零件尺寸。以6204-Z型深沟球轴承作为实验对象,获得轴承内、外径的尺寸。与游标卡尺测量结果比较,所提出的图像处理方法获得的内、外径平均误差达到9.6μm和0.7μm。通过实验对比与分析,方法快速有效,具有较高的准确性和良好的鲁棒性。

总变分修复算法在去除图像划痕和文本时需要较多迭代,对边缘细节信息的保持性不理想,并且存在阶梯效应,修复后的图像峰值信噪比较低。针对这些缺陷,提出了改进的算法,在原算法正则项中加入对数运算以及附加方向梯度算子,从而避免了阶梯效应,减少了迭代次数,降低了图像在边缘细节处的平滑力度。仿真结果证明,改进的算法减少了迭代次数,并且可以很好地保留图像的细节信息,所修复的图像具有很好的视觉效果。

基于梯度计算的评价函数在自动聚焦系统中应用广泛，函数形式变化多样，本文基于图像梯度计算的数学原理，通过MATLAB 仿真分析，对比了常见梯度类评价函数的性能，总结了梯度类评价函数应用中结合系统成像质量控制算法性能的方法。

对含光源等过亮区域场景的自动对焦较为常见, 这些区域导致了图像像素的饱和, 然而所提出的现有的评价函数适用于一般场景, 无法适用于像夜景光源的场景。针对这一问题, 通过分析饱和像素在离焦过程中的特性, 提出了一种去除饱和像素的图像清晰度评价方法, 且其可以用于评估包含光源或者过亮区域场景的图像质量。通过对大津法进行修改得到对焦窗口二值图, 并利用形态学膨胀手段扩展饱和像素区域, 以防止其在离焦过程中产生弥散, 得到去除饱和像素区域的模板, 将其作用于梯度信息矩阵, 计算得到去除饱和像素影响的平均梯度值作为自动对焦评价函数。通过多组离焦序列图测试了所提出的评价函数, 并与其他4种常用的评价函数进行比较, 结果表明, 此自动对焦评价函数适用于含有光源等过亮区域场景的拍摄, 具有良好的无偏性、单峰性、稳定性且覆盖范围较广。

针对传统调焦函数对噪声敏感和调焦范围小从而影响自动对焦准确性的问题, 提出了一种基于变频梯度的自动对焦评价函数。解决了由于离焦量过大而引起的评价函数调焦范围小的问题, 通过改变采样频率实现了评价函数调焦范围的可调性。其中, 评价函数采用了带有阈值选取的梯度绝对值算子, 提高了评价函数的抗噪性, 降低了时间复杂度。分别利用仿真实验和实拍实验对该方法进行验证, 实验表明: 采用不同采样频率的梯度算子能够兼顾调焦范围广以及灵敏度高的两种特性, 并与现有的对焦评价函数进行了比较, 通过量化指标说明了该评价函数的运算速度较现有评价函数有较大的提升, 证明了所提出方法抗噪性与实时性更好、灵敏度更高、调焦范围可调, 同时能够准确评价离焦图像清晰度。

针对H.264/AVC压缩视频码流在无线信道传输过程中会由于数据丢包导致图像重构质量下降的问题, 提出了一种基于自适应边缘阈值及方向加权的空间错误隐藏算法。该算法利用图像边缘检测Sobel梯度算子检测相邻宏块边缘; 根据受损宏块的相邻宏块具体信息自适应设定梯度阈值, 最后对受损宏块进行方向加权插值从而重构图像。实验表明, 该算法简单实用, 不仅保留了丢失块像素加权平均算法的优点, 而且能够用于边缘信息强度不同的错误隐藏。在不同的实时传输协议（RTP）丢包概率情况下, 该算法的峰值信噪比较传统自适应算法提高了0.2~0.4 db, 较多方向插值算法提升了0.2~3.8 db, 提高了图像恢复质量, 而且具有较高的应用价值。

为了减少红外图像中起伏背景对弱小目标检测的影响，提出一种各向异性的红外背景预测方法。根据红外图像目标区域和平稳背景区域、起伏背景区域的局部梯度特性的差异，引入各向异性微分的思想，并将其边缘停止函数改进为方向梯度值的递增函数，然后用边缘停止函数最小两个方向值的均值作为背景预测值，实现了对不同方向特性背景区域的差异化预测。仿真实验表明，该算法选择性地保留了红外图像的平稳背景和起伏背景区域，达到了良好的背景预测效果。