分量替换是遥感图像融合中的一种经典方法，其具有良好的空间保真度，但容易产生光谱失真，为此本文提出一种结合结构与能量信息的全色与多光谱图像融合方法。方法首先通过超球面颜色空间变换分解多光谱图像的空间和光谱信息。其次，通过联合双边滤波引入了两层分解方案。然后，将全色图像和强度分量分解为结构层和能量层。最后，提出结构层通过邻域空间频率策略融合，强度分量的纯能量层用作预融合图像的能量层。强度分量定义颜色的强度，通过将预融合结构层与强度分量的能量层结合，可以有效地结合源图像的空间和光谱信息，从而减少全色锐化图像的光谱失真。本文在 Pléiades和 QuickBird数据集上进行大量实验，并对实验结果进行定性和定量分析，结果表明所提方法与现有先进方法相比具备一定优越性。

针对深度图在边缘修复过程中受外部物体深度值的影响，造成深度值修复出现偏差的问题，提出了一种顾及边缘交融特征的自适应深度图空洞修复算法。首先，对深度图和RGB图的边缘进行提取、空洞伪边缘去除和边缘融合处理；然后，通过融合的边缘信息和有效像素占比设定滤波窗口大小，并根据滤波窗口与空间距离的关系设定空间距离权重参数，采用深度图与RGB图之间的结构相似性最大值作为颜色权重参数；最后，采用中值滤波去除边缘空洞像素和离散的噪声点。在Middle bury数据集和NYU Depth Dataset V2中对所提算法进行实验，并与其他算法进行对比分析。实验结果表明，所提算法能较好地修复边缘区域的空洞，保持较为清晰的物体边缘轮廓信息，具有较强的鲁棒性。

针对高光谱影像波段间相关度强、光谱和空间结构复杂性高和训练样本数量有限等问题，提出一种边缘保护滤波和深度残差网络结合的分类方法。首先采用联合双边滤波增强地物的边缘结构以提取出高质量的空间特征，将空间特征与光谱特征融合得到原始空谱特征；然后构建二维卷积神经网络，在卷积层中加入跳层连接将模型改进为一种深度残差网络模型；最后采用该模型提取影像的深层空谱特征并将其输入到Softmax分类器完成影像分类。实验在两个数据集上与相关先进方法比较，结果表明，本文方法考虑到了地物边缘结构的重要作用，缓解了卷积神经网络分类中的过拟合现象，显著提高了高光谱影像的分类精度。

针对夜间雾霾天气情况下还原的去雾图像存在颜色失真、纹理损失严重、去雾效果差等问题，本文提出了一种夜间去雾算法，采用自适应全局亮度补偿、同态滤波、限制对比度自适应直方图均衡化算法以及联合双边滤波对降质图像进行处理，结合大气散射模型得到还原的去雾图像。实验结果表明，该算法的夜间去雾效果好、处理速度快，较对比算法在对比度、平均梯度以及信息熵上均有改善，有效减少了还原图像的颜色失真、纹理损失。

针对夜间雾、霾场景下的去雾图像存在颜色失真、纹理损失、亮度低等缺陷，本文提出了一种采用暗态点光源模型的夜间去雾算法，通过构建夜间雾、霾场景的暗态点光源模型，利用联合双边滤波、限制对比度自适应直方图均衡化等算法对降质图像进行处理，结合大气散射模型得到去雾图像。实验结果表明，该算法的处理速度快、夜间去雾效果较好，较对比算法在对比度、平均梯度以及信息熵上均有一定程度地改善，有效解决了去雾图像的颜色失真、纹理损失、亮度低等缺陷。

为解决现有去雾算法中存在的透射率过估计、天空区域颜色失真、实时性差等问题,提出了一种基于金字塔模型的快速高效实时视频去雾算法。采用金字塔向下采样获取缩小后的图像,引入伪去雾图像与暗原色置信度作为修正因子,获取缩小图像的粗透射率;然后将缩小图像还原至初始尺寸,利用联合双边滤波对纹理进行细化;最后结合大气光散射模型及帧间视频去雾理论复原降质视频。实验结果表明,该算法的去雾效果彻底,可对多种场景进行有效去雾。相比其他算法,本算法的峰值信噪比和平均结构相似性分别提高了20.153%和14.056%,且处理快速、运行稳定,可用于实时视频去雾。

提高重构质量一直是关联成像的研究重点。将联合双边滤波嵌入到投影Landweber迭代算法之中并进行关联成像重构。这种方法能够通过联合双边滤波有效地去除投影Landweber迭代算法中间结果的噪声,从而提高投影Landweber迭代算法的重构质量。数值仿真和实验结果表明,所提算法能有效地重构出目标的强度像。通过与常用的关联成像重构算法进行定量和定性的比较,发现所提算法具有更高的重构质量。同时分析了背景噪声和测量次数对重构质量的影响,证明了背景噪声的减小和测量次数的增大会提高所提算法的重构质量。

针对联合双边滤波修复深度图像时无法准确估计滤波邻域范围和权重参数、深度图像的空洞填充效果不佳等问题,提出一种自适应深度图像空洞填充与优化算法。该算法减少了输入参数,实现了对每个深度缺失值的修复,根据有效像素占比确定每个空洞像素点的滤波邻域范围,通过邻域大小计算空间距离权重项参数,引入结构相似度(SSIM)作为颜色相似权重项参数的计算指标。在Middlebury立体匹配数据集和经过配准的Kinect RGB-D数据集上检测所提算法的性能,并与其他方法进行定性比较和定量分析。实验结果表明,所提算法能够有效填充深度缺失空洞,抑制深度图像噪声,更加精细、准确地改善深度图像的质量。

针对暗通道先验算法在天空区域透射率估计不准确的问题, 利用三个不同尺度的高斯函数分别作用于有雾图像的RGB通道来获得“伪”去雾图像; 其次, 利用有雾图像的混合通道得到自适应参数, 将该参数和最小值滤波共同作用于“伪”去雾图像, 接着用联合双边滤波消除纹理效应得到透射率的精确估计; 最后, 采用局部大气光估计方法, 结合大气散射模型复原出无雾图像.实验结果表明, 该方法不仅降低了时间复杂度, 且复原出的图像细节明显, 明亮度适宜, 对于大面积天空区域有良好的去雾效果, 改善了天空区域的颜色失真.

根据大气散射物理模型及光学反射成像模型, 总结并分析了影响单幅图像去雾效果的3大因素, 以实现对雾霾图像的快速去雾。基于光学原理, 解释了暗影通道现象, 从新的角度推导出了大气散射模型中各参数的求法。利用灰度开运算去除白色目标的干扰获得精确的环境光亮度, 基于快速联合双边带滤波精确计算了大气散射函数, 最后由光学反射模型计算了场景目标的反射率并有效截断至［0, 1］区间。本方法可以消除天空及环境光线的影响, 能真实复原场景的色彩和清晰度。仿真结果表明, 对分辨率为576×768的图像处理时间仅为0.517 s, 且视觉效果和客观指标比现有算法均有不同程度的提高。与现有图像去雾算法相比, 本文提出的参数计算方法提高了运算速度、场景适应能力和复原效果。