在高强度超声聚焦(HIFU)治疗中, 图像自动导航是整个治疗过程的关键步骤。针对超声肿瘤图像分割提出了两种算法, 分别为梯度阈值法和区域合并法。其中梯度阈值法针对分水岭过分割的缺陷, 选取小于设定的梯度阈值的点作为分水岭变换的种子点, 从而很好地抑制了过分割现象；区域合并法首先通过分水岭变换将图像过分割成许多具有区域均质性的超像素, 然后基于最小描述(MDL)原则进行合并, 将拥有相似纹理特征的小区域聚类在一起, 达到抑制过分割的目的。实验结果表明这两种算法有效地解决了分水岭变换过分割的问题, 同时能够很好地应用到超声肿瘤图像分割中。

为实现红外焦平面阵列(IRFPA)盲元的自适应快速校正, 本文设计了一种基于三梯度阈值检测的快速盲元校正方法。先通过优化L0范式的约束方程消除图中的非均匀条纹, 排除干扰, 再对水平、竖直和对角3个方向进行梯度阈值检测, 找到盲元位置点, 并与中值滤波结果进行点对点匹配, 剔除误检测点, 最后通过局部中值滤波完成盲元校正。依据盲元的缓变特性, 通过合理更新盲元模板实现了单帧和序列图像的快速盲元校正。实验结果表明: 相比于传统方法, 本文方法的信噪比(SNR)和峰值信噪比(PSNR)提高了10~14 dB, 结构相似度指标(SSIM)提高了0.01~0.02, 对图像中的随机和连续盲元的校正效果都很好, 同时运算速度得到了大大提升, 在保证图像质量指标的情况下速度提升了3~10倍, 可以在到实际红外系统中实现动态检测和实时处理。

在传统各向异性扩散滤波算法的基础上，提出了一种自适应梯度阈值各向异性滤波算法，用于有效地抑制红外复杂背景、滤除噪声，同时增强红外弱小目标。该算法根据图像的局部特性，利用其在不同方向上的梯度特点，判断某点像素是噪声还是图像以及其存在于图像的平滑区域还是边缘区域。 文中据此提出了自适应求取边缘函数中的梯度阈值(K值)的方法，解决了原各向异性滤波算法的边缘函数中K值固定单一的问题。实验证明: 与原各向异性滤波算法和其他背景抑制算法相比，提出的算法增加了去噪功能,对各种复杂背景抑制效果更好，增强后的图像信噪比提高了近2倍。

线结构光三维测量中，光条中心点提取的准确度和精度直接影响最终测量结果的精确度。针对现有激光条纹中心提取方法抗干扰能力强、稳健性好与计算量大之间的矛盾，提出了一种互相关中心条纹提取方法。利用梯度阈值自动分割出有效光条区域，将赋予不同权值的互相关系数与相对应的光条纹灰度值进行互相关运算，以互相关极大值对应的条纹作为初始光条纹中心，通过曲线拟合的方法对条纹中心进行精确定位。以互相关值大小作为条纹中心点是否存在的评判依据，利用相邻光条中心点间的灰度、位置相似性约束消除噪声影响。实验结果表明，该算法条纹提取精度较高，满足实时性要求。同当前算法相比，互相关算法简单实用、稳健性好、抗噪声能力强，且对断线条纹具有很强的修补能力。

超分辨率图像重建中，Huber马尔可夫随机场模型是一种常用的正则化算子.针对Huber函数中固定梯度阈值引起图像重建效果不佳的问题，本文提出一种梯度阈值自适应处理的红外图像超分辨率重建算法.在最大后验概率理论框架下，构造了基于数据项和正则项的正则化模型；通过迭代的方式，利用中间重建结果不断更新正则化参量，解决了Huber马尔可夫随机场模型中梯度阈值不易选择的难题.实验结果表明，改进算法能够根据局部梯度特征自适应选择相应的正则化参量并找到最优解，较好恢复目标细节的同时有效抑制了图像噪音.

针对传统光流运动图像分析方法运动估计精度低且易受各种干扰等缺点，提出一种基于梯度阈值的五置信点约束的改进光流算法。该方法采用五置信点加权法处理像素时间和空间梯度值，减小了单个像素受噪声的影响。对基本光流约束方程进行了梯度阈值处理，剔除了光流场中不利于运动估计的干扰数据，提高了运动图像的运动估计精度。实验分别采用传统算法和改进算法对全局和局部运动场景的视频图像序列进行光流计算，结果表明，该改进光流算法运动估计精度高、抗干扰性强，能准确地反映场景全局运动及场景中的局部运动，比传统的光流算法具有更好的鲁棒性和收敛性，且运算时间缩短了1/3。该光流算法在行车环境传感、交通流分析中具有潜在的应用价值。

作为最优边缘检测算子,Canny算子在线性滤波及选取阈值方面具有一定的局限性。在其基础上,采用尺度可变的自适应高斯滤波器进行滤波,通过计算滤波器各滤波窗口内像素点灰度值的均值,以及该均值与当前像素点灰度值的差值,确定滤波窗口的平滑度,并将其作为高斯函数尺度的大小,在滤除噪声的同时确保了边缘信号不被平滑掉;同时采用基于简单统计法及梯度阈值法的双阈值分割方法检测经过非极大值抑制的梯度幅值图像的边缘。实验结果表明,该方法能够有效滤除噪声,且假边缘及丢失边缘的数量都比Canny边缘检测的少。