针对暗通道和线性变换算法的局限性,提出了一种基于改进线性变换的迭代优化去雾算法。首先,从最小颜色分量出发,建立大气耗散函数与最小颜色分量的自适应线性变换模型,以获得介质传输率的初始估计;然后,针对雾图中明亮区域的介质传输率进行自适应修正;其次,使用Kirsch和Laplacian算子构成的高阶滤波器进行迭代处理,得到最优介质传输率;最后,将优化后的介质传输率和基于四叉树子块搜索法获得的大气光值代入大气散射模型,得到复原图像。实验结果表明,本算法能恢复出清晰、自然的图像,对单幅图像的去雾效果较好。

针对现有双目位姿测量系统中仅有两个目标点, 无法利用额外标定物对两个无公共视场相机进行标定的问题, 提出一种无需改变系统结构, 可以直接利用现有设备的双目相机位姿标定方法。首先固定两相机坐标系与公共目标坐标系的位置关系, 通过多次移动标定物的方式得到多组坐标数据;然后, 利用一种基于直接线性变换方法的改进算法对每个相机坐标系到公共目标坐标系的转换关系进行优化求解;最后, 利用优化后的相机坐标系到公共目标坐标系的转换关系求得两个无公共视场相机坐标系之间的转换关系。利用两个相机坐标系之间的转换关系求得两目标点距离, 并作为标定精度的评价指标。实验结果表明: 当目标点处在各自相机视场范围内, 相机与目标点之间的测量距离为 700~1 300 mm时, 利用本文方法求得的目标点距离的均方差 <0. 2 mm, 满足实际应用需求。

针对红外图像存在灰度范围窄、图像细节不清晰、目标边缘模糊的问题, 提出了一种基于自适应分数阶微分的红外目标增强方法。该方法首先利用图像的梯度、信息熵进行有效融合, 并且自适应调整分数阶微分以增强图像中的目标边缘；然后采用图像像素灰度的标准差和均值进行融合去确定目标的分割阈值, 以区分出图像中的背景和目标部分；通过对图像中的目标区域进行线性增强, 以进一步突显目标。经过实验验证: 本文提出的方法能够有效地区分红外图像中的目标和背景, 局部目标背景比(Target-to-Background Ratio, TBR)平均提高了 0.5, 视觉效果比较理想。

控制器设计是精密跟踪算法的核心之一, 为满足跟踪精度指标要求, 构建了基于目标状态估计的复合控制系统, 从系统频率特性出发, 建立理想位置环模型, 着重分析中频段高度和宽度对系统动态性能影响。在满足一定相角裕度的前提下, 推导出谐振峰[Mr]与中频宽度H的近似公式, 确定滞后超前控制器的各个参数。利用双线性变换对控制器进行数字化实现, 便于工程简化运算, 通过实际系统验证, 取得良好效果。

提出了一种基于高斯衰减的自适应线性变换图像去雾算法。建立有雾图像与无雾图像最小值通道之间的线性变换模型,利用有雾图像最小值通道构造高斯函数以自适应补偿估计图像明亮区域的透射率,提升透射率的准确度。根据大气散射模型复原图像,使用交叉双边滤波器消除透射率纹理效应。实验结果表明,所提算法能有效地改善图像明亮区域的色彩失真,消除景深边缘Halo效应,所复原的图像具有明显的细节和适宜的饱和度。

为了有效复原雾霾天气下退化的图像，文章提出了一种自适应线性透射率估计去雾算法。建立有雾图像与无雾图像最小值通道之间的线性变换模型；利用有雾图像的混合通道得到自适应参数，结合自适应参数和线性变换模型估计出透射率，通过有雾图像的最小值通道构造高斯函数来补偿估计明亮区域透射率，提升该区域透射率的准确度，再使用交叉双边滤波器消除纹理效应得到优化透射率；最后，结合大气散射模型复原出无雾图像。实验结果表明，该方法有效降低了时间复杂度，且复原的图像细节明显，明亮度适宜。

针对彩色红外图像和可见光图像融合问题，提出了利用YCbCr 和平稳小波变换（StationaryWavelet Transform，SWT）实现彩色图像融合的算法。该算法首先将源彩色红外图像转换为灰度图像，将彩色可见光图像从RGB 空间转换到YCbCr 空间获取Y、Cb、Cr 三分量，然后将红外灰度图像和Y分量利用SWT 融合。在融合过程中应用了一种绝对值阈值和区域能量相结合的融合准则，并利用彩色可见光图像Y 分量对融合结果进行区域线性变换获取彩色融合图像Y 分量。最后将Cb、Cr 和融合Y 分量从YCbCr 空间转换到RGB 空间获得彩色融合图像。实验结果表明，该算法可以综合YCbCr空间、SWT 和区域线性变换优点，较好地保持源图像场景信息、空间色彩信息和目标人物特性，突出源图像的纹理变化特性和边缘细节信息。

为实现基于数字微镜器件(DMD)高动态范围成像系统中的DMD微镜与CCD像素间的高精度映射,提出了三种不同的像素级映射算法。介绍了基于DMD的高动态范围成像系统,分析了其映射原理以及映射的必要性,采用直接线性变换算法、非线性多项式畸变拟合算法和反向传播神经网络算法进行映射,并将其理论方法与成像系统相结合。通过图片测试,得到相应的参数并计算其误差,其中误差最小的是多项式畸变拟合映射算法,其均方根误差为1.02 pixel,即认为该算法可达到像素级映射的目标。该算法拟合了部分畸变误差,满足成像系统像素级映射的需求。

针对基于梯度变换的图像增强算法抗噪声干扰能力差的问题, 引入曲率滤波理论, 提出了基于高斯曲率滤波和梯度变换的图像增强算法.该算法通过对图像梯度场进行非线性变换来增强图像对比度, 通过构造能量泛函, 采用梯度下降法从变换后的梯度场重构出增强后的图像, 并利用高斯曲率滤波对梯度下降法迭代过程中的重构图像及其各阶偏微分进行平滑, 有效解决了图像重构过程中的噪声非线性放大和扩散问题, 同时保留了丰富的细节信息.采用多组边缘模糊图像进行仿真实验, 实验结果表明该算法在增强图像边缘对比度的同时, 能够有效抑制噪声.