利用机场跑道的高灰度特征和整体性检测遥感图像中的机场跑道。首先，利用模糊增强方法进行图像预处理；接着，对图像进行阈值分割获得二值图像，用像素标记法进行连通域提取，定位4个面积最大的区域作为疑似机场区域；然后，在疑似机场区域内，对图像进行Canny边缘检测，用Hough变换提取出直线段；最后，把含有最长平行直线的区域作为机场区域。实验结果表明，机场跑道检测算法能在遥感图像中准确有效地检测出机场跑道。

提出了一种基于小波变换的低照度图像快速、自适应增强算法。将RGB 图像转到HSV 空间，并对亮度V 图像利用离散小波变换(DWT)将图像的高、低频子带分离。在小波变换的低频子带上利用双边滤波对图像的照射光分量进行快速估计与去除，而在高频子带上利用模糊变换实现边缘、纹理信息的增强与去噪处理。对处理后的V图像，基于提出的直方图目标函数，利用鲍威尔与模拟退火相结合的优化算法，实现了对比度的快速、自适应增强处理。将增强后的V 图像与H、S 颜色分量合成为清晰化的彩色图像。实验结果表明，该算法能快速、有效实现低照度图像的清晰化处理。

火灾图像增强是图像型火灾探测系统中的重要环节。为了克服传统模糊增强算法运算量大、耗时长等问题，采用建立3维查找表并改进模糊增强算子的方法，设计了1种基于颜色三要素空间的火灾图像模糊增强快速算法。首先将火灾图像由三原色空间转换到三要素空间，然后保留H分量，分别对I分量、S分量建立3维查找表，通过3维查找表对图像中所有像素点的I分量、S分量进行模糊增强操作，最后将图像转换回三原色空间。结果表明，该算法在保留火焰色彩信息的同时大大降低了运行时间。这一结果对火灾的实时性探测是有帮助的。

在机器人路径规划中,机器人数字路标识别是很重要的,图像的预处理会影响识别结果。图像增强技术是提高预处理结果的一种有效方法,模糊图像增强算法是目前广泛使用的一种增强算法。针对Pal模糊图像增强算法在隶属函数的定义和渡越点选择上的缺点,提出了一种改进的模糊增强算法。本算法首先使用OTSU算子自动选择最佳阈值,解决渡越点需要人工设置的缺点,并消除选择的随机性。然后修改模糊增强算法的核心隶属函数式,解决了图像像素的低灰度值被硬性设置为0的缺陷,从而改善了图像信息损失的问题。最后,将改进的算法用于处理Pioneer III机器人的数字路标图像。实验结果表明,与现有的模糊增强算法相比,提出的算法可以取得好的效果,且提高了运算速度,具有一定得实用性和推广性。

在模糊集合论(FS)和广义模糊集合论(GFS)的基础上,构造出用于模糊增强图像区域对比度的新型线性广义模糊算子(LGFO),理论分析并验证了其性质。提出了一种自适应双线性广义模糊增强算法用于提取图像边缘轮廓,该算法利用线性广义隶属度变换函数与LGFO,实现了灰度图像空间与广义模糊空间的相互转换,空间转换过程中对线性广义模糊隶属空间实施了线性广义模糊增强处理,最终在灰度图像空间中使用“MIN”算子提取图像轮廓。该算法还使用可检测边缘度与噪声标准差之商作为图像增强的评估标准,自动选择模糊参数D,实现了线性广义模糊增强图像的自适应优化。实验表明,该算法快速无失真,适用于彩色图像,提取的图像轮廓准确、层次分明。

通过分析昆虫自由飞行状态下结构光光条图像的特点，提出了一种用于提取昆虫运动变形测量中弱光条中心点的图像处理方法。该方法根据图像的灰度分布情况对图像进行分块，采用小波理论对图像消噪，利用模糊增强和小波同态滤波相结合的算法增强各图像的弱光条信号，再应用steger算法提取弱光条中心点的亚像素位置。给出几种算法实验结果的比较和分析，表明该方法成功实现了弱光条信号中心点的提取，并有效抑制了噪声和干扰。

提出了一种基于小波变换的照明无关边缘检测和模糊增强算法,用于从不均匀的弱照明图像中提取目标边缘.依据照明反射图像形成模板和CCD相机成像公式,推导出图像的小波变换公式.对图像局部区域中边缘与背景像素的小波系数进行比较分析,设计了一种照明无关的小波边缘检测公式.给出一种同时考虑小波模值大小和梯度方向的模糊算子来增强边缘并抑制噪声.最后,采用仿真和真实的图像对该算法进行验证,利用此算法检测阶梯边缘,得到该算法的边缘检测评价标准F系数值为0.984 3,边缘定位精度评价系数Ed值为0.126 5,通过被检测的特征球边缘计算得到的交比值误差为3.72×10-3 .实验结果证实,该边缘检测方法能够很好地工作于非均匀的弱照明图像.

通过分析翅脉图像的特点,提出了一种用于提取昆虫图像翅脉和翅脉交点的亚像素级图像处理方法.该方法应用小波理论对图像消噪,并采用中值滤波预处理图像,然后利用小波同态滤波和双线性广义模糊相结合的算法增强图像的翅脉信号.应用基于Hession矩阵的亚像素提取算法提取翅脉中心点的位置,并根据翅脉方向变化的连续性,利用邻域角度约束方法确定翅脉交叉点.最后,给出几种算法实验结果的比较和分析,结果表明,该方法成功实现了翅脉和翅脉交点特征的提取,并有效抑制了噪声和干扰.

针对传统的图像模糊增强算法增强强度小、处理灰度层次变化丰富的图像效果不佳以及控制参量难以设置等问题,提出了一种新的图像模糊增强算法.首先对局部窗口中像素点进行基于邻域一致性模糊熵测度的分类,并以分类为依据,对每个像素点均确定一最佳渡越点.对模糊隶属度函数也进行了研究改进,设计的函数具有良好的曲线形状,并通过调整控制参量,使渡越点的位置和函数曲线进行最佳的结合,能通过少量的迭代次数获得较好的增强效果.在模糊逆映射上,采用线性逆变换函数,保持了模糊映射所带来的增强效果,并消除了由于截断带来的灰度信息的损失,在运算效率上也得到了提高.新算法对灰度变化丰富的路面图像的增强取得了良好的效果,并且控制参量均为自适应计算,不需进行人为干预,具有很好的通用性.

针对原有模糊边缘检测算法计算复杂、适应性差的缺点,提出一种新颖的快速边缘检测算法.该算法将图像映射为一个模糊特征面,通过图像自适应阈值来确定模糊增强的渡越点.在渡越点上对图像进行非线性增强.算法将"Min"与"Max"算子结合起来提取边缘,避免了使用单一算子检测边缘强度较弱的缺点.该方法避开了原算法中复杂的指数运算,运算量减少了40%左右;渡越点的自适应性提高了算法的适应性.仿真表明,该算法检测的边缘细、连贯,并且算法抗噪能力强.