针对传统边缘检测方法受高斯噪声、椒盐噪声污染及边缘梯度变化幅度小等因素影响而出现的物体轮廓检测效果不理想、误检率、漏检率高等问题，提出Canny-Cauchy边缘检测算法。该算法是Canny算法的一种改进，首先对椒盐噪声图像进行自适应中值滤波预处理，在清除椒盐噪声的同时保护边缘不被模糊。在滤波器的设计上，该算法使用柯西分布函数的一阶导数作为边缘检测函数，通过对函数采样得到边缘检测滤波器。对所提边缘检测函数按照边缘检测算法的三条设计准则进行理论分析，并在BSDS500数据集上与其他边缘检测算法进行对比实验。实验结果表明：在降噪方面，该算法可以在20%密度的椒盐噪声下保证处理后图像的峰值信噪比大于30 dB，结构相似性大于0.9；在边缘检测方面，该算法比传统Canny算法对白噪声的抑制能力以及对真实边缘的响应能力更强，在BSDS500数据集上的F1分数提升了7.5%，平均准确率提升了10.2%。

乳腺组织自体荧光光谱法通常采用420～512 nm波段的光源，本次实验采用波长为405 nm的激光源获取乳腺组织切片的自体荧光光谱，避免了活体检测时脂肪和血液对光谱的干扰。荧光光谱是多种发光基团的叠加光谱，基于荧光光谱对乳腺癌细胞的生化信息进行定性和定量分析时，光谱特征峰不易分辨。本文提出了高斯函数拟合乳腺组织切片荧光光谱的方法，该方法可有效分离重叠峰。与正常组织相比，癌变组织的荧光特征峰出现了明显的红移现象。通过面积比值法分析了正常与癌变乳腺组织中荧光物质的差异，癌变组织在517 nm和635 nm处的峰面积与492 nm处的峰面积之比(A₅₁₇/A₄₉₂和A₆₃₅/A₄₉₂)分别是正常组织的2.4～5.5倍和5.4～8.5倍，可作为诊断乳腺癌的标准。最后，本文分析了支持向量机(SVM)算法对乳腺组织荧光光谱进行分类的可行性，分类准确率为87.50%，为乳腺癌的快速诊断提供了新方向。

针对太阳光照变化、物体间遮挡、拍摄角度偏差等干扰造成古城墙表面病害图像信息被隐藏，病害特征提取与识别效果不佳的问题，提出了一种基于光照分量自适应校正的古城墙表面病害图像信息增强方法。利用多尺度高斯函数连续卷积提取光照分量，根据像素点光照分量与均值的偏差非线性变换关系确定Gamma参数，构造增强2D-Gamma函数自适应校正图像过亮和偏暗区域的亮度值，恢复隐藏信息；同时为解决2D-Gamma函数对高亮像素点亮度值衰减表征能力较弱问题，使用同态滤波在频域压制高亮区域的光照分量，减小亮度动态范围，增强图像高亮区域隐藏信息；并利用系数因子将亮度校正后图像与Sobel算子提取的边缘细节图像线性融合，重构获取细节清晰、纹理突出的古城墙表面病害增强图像。实验结果表明，对于受光照、遮挡等干扰因素影响可视性较差的图像，所提方法在保留原图像细节信息的同时有效解决了光照不均、遮挡和阴影等造成的图像信息隐藏问题，增强了古城墙表面病害图像特征，提高了病害识别的准确率。

角反射器作为合作目标广泛用于激光跟踪、定位、测距等系统中, 其反射光远场强度分布对于合作目标的设计、激光雷达系统性能的理论计算都有重要意义。提出了一种可以快速方便地计算角反射器衍射光强的解析算法, 把角反射器有效反射区域近似为一个椭圆, 并利用复高斯函数分解法把椭圆区域反射波束表示为一系列椭圆高斯波束的叠加, 从而把角反射器远场衍射光场表示为一系列椭圆高斯光场的叠加。数值计算表明, 此算法造成的相对误差在较大入射角范围内都在5%以内, 是一种可行的快速算法。

针对复杂背景下红外弱小目标检测难题，提出一种基于人类视觉系统对比机制的红外弱小目标检测算法。首先，对红外图像进行预处理，通过中值滤波去除红外图像中的孤立噪声点。然后对处理后的图像进行高斯函数差分滤波处理，抑制图像中大面积高亮区域。最后，通过改进的基于局部对比度方法去除高亮边缘区域，消除高疑似目标，最终实现对复杂背景下红外弱小目标的检测。实验表明：相较于传统的 LCM算法、Top-hat算法、 TDLMS算法和 Infrared Patch-Image Model算法等，该算法在虚警率、正确检测率、检测时间等方面更有优势，具有检测率高、虚警率低、鲁棒性好、运行时间短的特点。

针对图像特征点提取匹配算法中配准率不高的问题,提出了一种优化栅格移动统计的图像配准算法。首先使用快速特征点提取和描述算法提取特征点,再通过暴力匹配算法进行大致的特征点配准。根据图像的大小和特征点的个数将图像划分成多个栅格,对栅格内的特征点数量进行移动统计,通过九宫格里特征点距离中心特征点的远近,使用高斯函数制作分数统计模板。将九宫格里的分数统计与设定的阈值进行对比,超过阈值则认为是一个正确的匹配点,否则即被筛选掉。实验结果表明,该算法比基于栅格的移动统计算法获得精确匹配点的数目提高了18.17%,与传统特征点提取匹配算法相比,速度最大可以提高约41.3%,能有效剔除错误匹配,提高匹配率。

光纤的几何参数影响着光纤的光学传输和机械性能等，是衡量光纤质量的重要指标。近场光分布法是国标GB 15972.20-2008中推荐的几何参数测量方法。该方法在对光纤纤芯的测量中需对光纤通光照明，以区分纤芯和包层的边界。通光的纤芯端面是一个边缘并不清晰的发光亮斑，因而无法准确判断纤芯与包层的真实边缘。本文分析了光纤内光传播模场的分布，理论上光纤模场电磁矢量的解满足贝塞尔函数，但在近似情况下也可以用高斯函数代表光纤模场分布。因此本文利用高斯函数拟合光纤纤芯端面灰度分布，进而由拟合后的高斯函数得到纤芯与包层的真实边缘。本方法是对国标GB15972.20-2008的测量方法的进一步完善。实验测量结果表明，当光纤的切割效果不佳或成像质量较差时，模场灰度分布的高斯函数拟合法仍能保证测量的重复精度和测量数据的稳定性。

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。