实弹射击是部队的基础**训练项目。现有报靶系统中基于计算机视觉的弹孔识别定位系统由于具有快速、精确、安全、人员成本低等优点而被广泛应用到该项目中。然而，计算机视觉系统处理的图像通常受镜头加工工艺以及相机轴向与被测对象所在平面不垂直的影响，导致被测对象的图像产生畸变，最终会给弹孔坐标位置的精准定位带来误差。为了提高基于计算机视觉的自动报靶系统的报靶精度，提出一种基于卷积神经网络的畸变校正算法，只需一张胸环靶面的模板图像即可模拟出大量训练数据集。训练完成后，输入一张畸变图片就可以得到该图片的畸变参数，并利用该参数完成对图像的畸变校正。与传统校正算法的对比结果表明，该算法校正效果较好，有利于提升基于计算机视觉的自动报靶系统的报靶精度。

针对不同背景条件下，红外弱小目标检测信杂比低、虚警率高的特点，重点利用小目标能量接近高斯分布特性，提出一种利用改进的图像局部熵加权多尺度的基于图像块对比度的红外小目标检测方法。首先，计算红外图像中心块和邻域块的均值；然后，计算出中心块和邻域块的均值差异达到凸显小目标、抑制背景噪声的效果，同时计算各个像素点的改进局部图像熵以凸显小目标、抑制形状与小目标大小近似的伪目标以及大面积的干扰物体的角点；之后，利用改进的图像熵加权中心块和邻域块的均值差异值，得到高信杂比、低虚警率的显著度图像；最后，利用自适应阈值分割算法获取目标的位置。实验结果表明，与同类基于human visual system（HVS）检测方法相比，所提方法适用场景更广，特别是在复杂背景下，能达到更低的虚警率、更高的信杂比。

近年来仿生扑翼飞行器利用视觉系统自主飞行成为一个具有广泛前景的研究方向, 然而, 其有限的带载能力对视觉传感器的类型、尺寸和重量提出了严格要求。目前商用图像处理模块的尺寸和重量较大, 且需要回传图像信息至地面控制系统处理, 文章旨在设计一款轻量化机载单目视觉系统, 帮助微型仿生扑翼飞行器获取外界信息并实现智能自主的飞行。相比于其他图像处理模块, 此系统以国产高算力芯片K210为核心进行设计, 可脱离电脑端完成图像处理, 尺寸仅为2.2cm×2.3cm, 重量仅为3g, 内部兼容轻量化网络模型实现分类识别, 通过串口进行信息交互, 控制扑翼飞行器实现手势识别和目标追踪。

针对眼镜镜片成像性能评价，根据信息论的概念，对物面与像面图像进行小波变换分解得到多个不同子频带图像，计算分解之后的各个子频带的区域互信息值(RMI)。依据人眼视觉系统对不同频率光学信号敏感度不同的特点，采用小波滤波器和人眼模型的MTF的空间频段积分比反映人眼对不同频率信号的敏感程度，以该积分比作为各频带RMI的权重系数,加权计算得到MRMI值。选取了目前市场上六款不同阿贝数和折射率的镜片进行测量实验，得到每款镜片的成像MRMI值，其定量反映了镜片的成像性能，与人眼视觉主观感知相符。

针对局部对比度方法对红外目标进行检测时难以提升目标的显著性及抑制背景困难的问题，提出一种基于特殊预处理的增强局部对比度方法来检测目标。通过快速中值滤波去除高频噪声，通过改进的形态学梯度来抑制背景，通过增强的局部对比度来提高目标的显著性，最后通过自适应阈值来获取需要检测的真实目标。结果表明，同经典人类视觉系统的检测方法相比，所提方法在检测红外弱小目标时具有优越性，在高亮度背景情况下效果更为显著。

针对非均匀背景下红外小目标检测率低的问题, 本文引入人眼视觉系统对比度机制, 提出一种基于改进高提升滤波(improved high boost filter, IHBF)的增强局部对比度红外小目标检测方法。首先, 根据小目标的频域特性, 通过 IHBF运算提升高频信号同时, 剔除含有背景的低频信号; 然后, 提出增强局部对比度方法构建比差联合形式的算子, 进一步增强目标与背景间的对比度, 获得最优显著图; 最后, 采用自适应阈值分割技术获取真实目标。仿真结果表明: 相对于现有的局部对比度算法, 所提方法在检测率、虚警率等方面更具优势, 是非均匀背景下检测红外小目标的一种有效方法。

图像质量评价(Image Quality Assessment, IQA)是计算机视觉领域研究的基本问题之一。目前, 绝大多数图像质量模型都是基于灰度图像构建的, 而彩色图像质量评价至今依然是IQA领域的开放性问题。彩色图像质量评价研究的关键在于建立与人类色彩认知能力相一致的色彩信息的量化描述。本文基于颜色名称(Colornames, CN)构建彩色图像质量评价模型, 将图像的每个像素值映射为CN概率向量, 利用Wasserstein距离计算两幅图像的感知色差, 以亮度和梯度特征作为补充, 在池化阶段采用显著性加权得到客观图像质量评分。在公开测试数据集上的实验结果表明, 提出的模型在TID2008、TID2013和最新的KADID-10k数据集上表现最佳, 其SROCC值分别为0.900 9, 0.890 1,0.863 7。总体评价效果与目前最好的传统方法(非深度学习方法)相当; 而对于颜色失真, 则具有明显的优势。

摄像机标定是视觉系统中最为基础的环节, 它利用摄像机成像原理来求解摄像机模型的内外参数, 以便更好地实现视觉系统在实际中的应用。通过分析摄像机标定的特点, 并结合国内外摄像机标定的发展现状, 根据标定目标的空间维度将其分为三维标定、二维标定、一维标定和零维自标定方法。本文介绍了各摄像机标定方法的起源及发展, 详细分析了各摄像机标定方法的基本原理, 归纳总结了各类标定方法存在的优势与不足之处, 并对标定技术的发展趋势做出了预测。在复杂的场景与运算量大的情况下, 要以高精度、高效率、高鲁棒性等为主要研究内容, 来进一步扩大适用范围、加强实用性, 同时也要考虑到摄像机标定的成本问题, 找出更合适的标定方法。

环境光对显示和感知的不利影响是提高显示设备画质的重要障碍之一。本研究提出了一种色调映射算法, 可以根据环境光的亮度和颜色自适应调整图像的亮度和颜色, 实现不同亮度范围内图像的可靠亮度映射和颜色校正。首先, 分析环境光对显示设备的影响, 建立显示设备模型。接着, 利用对比度感知模型作为桥梁, 求解最小化对比度感知差异的亮度映射曲线。然后, 利用色貌模型CAM16, 将原始图像映射到显示设备所处的环境中, 并且保持颜色和亮度的感知不变。最后, 将亮度映射和颜色修正结合起来, 并设计了软截断函数修正过曝问题。实验和仿真结果表明: 在不同的环境下, 该算法可以修复由于亮度压缩导致的颜色偏离, 将颜色的误差降低到传统方法的60%以下, 降低对比度感知误差, 获得稳定的画面表现。本算法可以满足复杂环境下显示设备的使用需求。