为解决较多图像匹配算法主要通过测量关键点之间的距离来实现特征匹配, 忽略了图像的结构信息, 使其存在较多的误匹配的问题, 本文设计了方差约束耦合几何不变特性的图像匹配算法。借助于 Forstner算子计算像素点的兴趣值, 以检测图像的特征; 计算图像的梯度信息, 获取图像的方向值, 并切割图像特征的圆形邻域, 从而获取扇形子域; 以图像的方向值为基础, 通过计算扇形子域中的灰度不变矩, 输出对应的特征向量; 引入区域方差函数, 获取图像的结构信息, 将其加入至图像特征的匹配过程, 以约束欧式距离的测量结果, 实现图像特征匹配; 最后利用匹配点间的几何不变特性, 对匹配特征去伪求真, 优化匹配结果。测试数据表明: 相对于已有的匹配技术, 在对无变换图像、缩放图像以及旋转图像匹配时, 所提算法拥有更高的匹配准确度, 分别达到了 96.56%、95.38%和 93.52%。

为了提高背景杂波和成像噪声等干扰下红外小目标的跟踪精度，提出了一种基于结构信息建模和判别稀疏的红外小目标跟踪方法。小目标信号在广义高斯目标超完备字典上被稀疏分解，以便从受噪声干扰和杂波污染的红外图像中提取出小目标的空间结构信息; 设计了转移受限粒子滤波跟踪算法，以提高粒子的采样概率; 在转移受限粒子滤波框架下，基于判别稀疏表示和L1范数最小化框架求解候选目标的稀疏系数，实现小目标的跟踪。基于各种红外序列对所提方法进行实验论证，实验结果表明，所提方法能够在杂波和噪声较大的干扰下稳定地跟踪小目标，其中心误差、重叠率和平均视频播放帧率分别为3pixel、0.7和40fps，均优于其他对比方法，且具有较强的鲁棒性。

针对当前较多图像修复算法依靠固定大小样本块来搜寻最优匹配块，忽略了样本块的结构信息，使修复图像出现间断现象以及振铃现象等不足，利用样本块与其邻域块的近似度，设计了一种采用结构信息约束法则与 匹配模型的图像修复算法。将图像的信息熵特征引入到待修复块的优先权计算过程中，获取优先修复块。通过样本块与其邻域块的近似度构造结构信息度量模型，对样本块的结构信息进行度量，并根据度量值建立结构信息 约束法则，实现样本块大小的自适应调整。最后，利用图像的色彩及灰度特征构造匹配模型，利用调整后的样本块大小在已知区域中寻找最优匹配块，从而对待修复块进行修复。实验结果显示，所提算法得到的修复图像具 备较好的纹理连续性，不存在信息间断现象，对应的结构相似度较高。

基于image quilting纹理传输算法原理,研究纹理图像的梯度结构信息、源纹理图像与目标图像亮度误差对纹理传输效果的影响。在选择候选纹理块时,以纹理块的梯度结构信息与颜色误差同时作为判断标准。对源纹理图像进行亮度重映射,使其与目标图像的亮度处于相同尺度,可避免因亮度误差过大而导致无法获取最优块的情况。实验证明,与传统纹理传输算法相比,改进后的算法能取得更好的传输效果。

丰度估计(AE)是从高光谱图像中识别地物的关键预处理技术.鉴于线性混合模型的可解释性以及数学上的可操作性,带约束的线性回归技术在丰度矩阵估计中备受关注.目前,这类方法存在的缺陷是其拟合过程中仅仅考虑到估计数据与真实数据之间的拟合误差,忽略了估计数据的结构与真实数据的结构之间的相似性信息.因此,提出了融合结构信息的线性回归模型,并应用于稀疏低秩丰度矩阵估计领域.首先,通过增加结构信息改进传统的带约束的线性回归模型,并经数学理论证明了增加结构信息的模型较传统模型更加有效；其次,应用该方法改进稀疏低秩丰度估计的数学模型；最后,采用交替乘子法(ADMM)技术求解新模型.实验结果表明,融入结构信息的稀疏低秩丰度估计算法能够有效地提高仿真数据和实际高光谱数据的丰度估计的估计精度,改善其抗噪性能.

基于Wang Tiles纹理合成算法原理, 研究纹理图像梯度结构信息、纹理块自适应尺寸以及Tiles集合制作方法对纹理合成质量及合成时间的影响。在判断两纹理块相似程度时, 将纹理块的颜色误差和梯度信息同时作为纹理块相似程度的度量标准, 其合成效果优于只考虑颜色误差的传统纹理合成算法。同时, 使用优化后的纹理块尺寸进行纹理合成, 能缩短纹理合成时间。另外, 采用改进后的Tiles集合能取得比传统方法更好的合成效果。实验证明, 与基于Wang Tiles的传统算法相比, 改进算法在取得较好合成质量的同时, 能提高纹理合成的速度。

在土层计算机断层成像(CT)图像序列中，由于分割目标的灰度值分布不一致，为目标区域的提取带来一定的难度。为解决此类问题，建立了基于结构先验的自适应分割方法。该方法通过设定初始切片的阈值，利用图像序列之间同一结构表征对象的连续性，以目标区域的面积变化作为约束条件进行递归分割，实现CT图像的自适应分割。对分割后的目标区域进行三维重构，以实现三维可视化。结果表明，该方法适用于分割目标灰度值不一致的图像序列，计算量小且能够精确地分割成千上万层图像中的目标。

提出一种利用图像的空间结构信息在特征空间中设计大小适宜的超球, 将单形体的顶点分隔在超球外部, 剔除超球内部的数据, 只保留超球外部的少量数据参与端元提取算法。经过分析, 该方法可以大大减少端元提取算法的运算量。通过实验对比, 用相关端元提取算法对简化后的数据进行端元提取的结果精度很高, 与简化前数据的端元提取结果吻合。

为了提升红外与可见光图像融合精度,提出了一种基于局部区域奇异值分解的自适应PCNN红外与可见光图像融合算法.利用局部区域奇异值构造局部结构信息因子,作为PCNN对应神经元的链接强度.经过PCNN点火处理,获得源图像的点火映射图,通过比较选择算子,选择源图像中明显特征部分生成融合图像.采用多组红外与可见光图像进行融合实验,并对融合结果进行客观评价.实验结果表明本文提出的算法在主观和客观评价上均优于已有文献的一些典型融合算法,可获得更好的融合效果.

针对红外图像与全色图像的不同的成像特性，提出了一种基于图像的梯度结构信息的匹配算法.首先对原始的红外和全色图像分别进行梯度计算，得到图像的梯度强度图；对梯度图进行结构相似性度量，获得图像间同名点对.然后采用RANSAC算法剔除误匹配的同名点.最后利用同名点对构建三角网小面元，并进行变换而得到配准图像.实验结果表明，算法可以有效地利用红外图像中地物的结构信息，匹配精度高.