针对夜视晕光图像区域特征差异大，导致融合图像视觉效果不理想的问题，提出一种可见光与红外图像分区融合的夜视抗晕光方法。先采用自适应阈值迭代法确定低频系数的晕光阈值，将低频系数划分为晕光与非晕光区域，在晕光区域采用非线性红外系数权值调节策略，依据图像晕光程度合理消除晕光；在非晕光区域采用灰度均值先验权值调节策略，提高较亮图像参与融合的权值，增强暗处区域的可见度。实验结果表明，本文方法对不同程度的夜视晕光场景均具有良好的适用性，能合理且有效地消除晕光，提高夜视融合图像的质量。

为了解决遥感图像融合方法在信息融合过程中因忽视了图像中的显著内容而导致融合图像的空间特征不理想的问题, 提出了二代Curvelet变换耦合显著内容判定机制的遥感图像融合算法。借助HSV变换, 计算多光谱(MS)图像的明度(V)分量; 再采用二代Curelet变换对全色图像以及V分量进行计算, 输出二者对应的频域子带。采用图像的幅度谱特征, 计算出图像的显著信息, 通过对图像进行分块, 以分块图像的显著信息为依据, 建立显著内容判定机制, 根据分块图像的显著值, 采用不同的方法来融合低频子带。最后, 利用图像的梯度值, 构造细节测度因子, 以计算出图像的细节信息, 实现高频系数的融合。实验结果显示, 相对于已有的遥感融合方案而言, 所提算法的融合图像拥有更好的光谱等特征, 呈现出更高的标准差和相关系数值。

当前较多图像融合算法主要是通过图像的能量信息来完成系数融合，忽略了图像的纹理特征，导致融合结果中存在吉布斯以及块现象等缺陷。设计了二代 Curvelet变换耦合纹理信息调节的融合算法，该算法采用二 代 Curvelet变换，从输入图像中获取不同的 Curvelet系数，采用图像的 R(Red),G(Green),B(Blue)值，构造纹理信息因子，测量图像的纹理信息，并联合图像的信息熵特征，定义低频信息融合机制，完成低频系数的融合 ，使融合图像具有更多的纹理信息。利用图像的平均梯度特征建立高频信息融合方法，实现高频系数的融合，使其含有更多的边缘细节信息。测试结果显示：与已有的融合算法相比，该算法的融合图像更为清晰，没有吉布 斯和块现象，具有更大的交互信息量和标准差值。

提出一种基于自适应加权Curvelet梯度方向直方图(AWCHOG)的人脸识别算法。首先,人脸图像通过基于Wrapping的离散Curvelet变换得到多尺度多方向的Curvelet变换系数;然后按照编码方式将同一尺度下不同方向的特征进行编码融合,获得融合后的幅值域图谱,并通过HOG算子结合分块的方法获得Curvelet变换后融合图像的直方图特征,分别根据每个尺度对人脸识别率的贡献进行计算,得出各尺度的权重;最后融合权重系数以及各尺度的HOG特征,利用最近邻分类器进行分类。通过在ORL、AR和CAS-PEAL三个人脸库的实验可以看出,所提算法在人脸图像部分遮挡、姿态、表情、光照变化以及噪声等因素干扰下具有较好的识别效果。

为了解决夜间会车滥用远光灯造成驾驶员晕光的问题, 提出一种在IHS色彩空间下改进Curvelet变换融合可见光与红外图像的抗晕光方法。该方法通过改进Curvelet变换实现图像二维细节信息的有效表达, 提高图像清晰度, 其中提出的低频系数权值自动调节融合策略能够将晕光信息剔除, 避免其参与融合过程; 与IHS变换相结合能够保留原图中的色彩信息, 避免色彩失真。对实验结果的主客观分析表明, 该方法消除晕光比较彻底, 与IHS-小波融合相比, 融合图像的标准差、平均梯度、边缘强度、信息熵分别提高了47.15%、53.10%、52.46%、4.45%, 对比度和清晰度显著提升, 细节信息也更加丰富, 人眼视觉效果更好, 有利于驾驶员观察前方路况, 提前做出预判, 消除安全隐患, 提高夜间行车的安全性。

针对当前图像融合算法多采用一个源图像的子带能量函数作为融合系数, 导致融合图像质量不理想, 提出一种基于离散Curvelet变换与自适应能量模型的多聚焦图像融合算法。利用离散Curvelet对源图像进行多尺度分解, 以获取图像的低频子带和高频子带; 将低频子带分割成子块, 利用离散Curvelet系数来构造平均能量函数, 以此建立自适应能量模型; 引入信息熵模型, 对高频子带所包含的信息量进行度量; 通过高频子带所含信息量特征和清晰度特征, 完成图像高频子带的融合。实验结果表明: 与当前多聚焦图像融合算法相比, 所提算法具有更高的融合质量, 其输出图像具备更好的细节表现能力。

为了提高湍流图像的空间分辨率, 提出了一种基于小波域Curvelet变换(wavelet domain Curvelet transform, WDCT)的湍流图像去噪算法。该算法根据湍流退化图像噪声的统计特性, 结合贝叶斯萎缩方法优化阈值选择。首先, 对含噪湍流图像进行单层二维离散小波变换, 接着提取高频系数并对它作快速离散Curvelet变换, 最后根据贝叶斯准则估计阈值T, 改进阈值的自适应选取方法, 获得最优阈值, 最后给出湍流图像去噪实现过程。为验证本文算法, 根据客观评价标准峰值信噪比(peak signal to noise ratio, PSNR)和均方根误差(mean square error, MSE), 对模拟图像和实测湍流图像进行去噪实验。与DWT-NABayesShrink算法、UWT算法相比, 视觉效果更好, PSNR值分别提高7.27%和4.92%, MSE值分别降低26.3%和23.1%。本文算法得到较清晰的目标图像, 对湍流退化图像去噪有一定的应用价值。

在二代Curvelet变换理论的基础上, 结合红外和可见光图像的成像源理以及物理特征, 为了更加有效地对图像像素点中信息质量进行测量, 提出了一种二代Curvelet算法用于红外与灰度可见光图像融合。算法中将第二代Curvelet变换域引入活度加权以对图像中像素点信息质量进行评定, 并将方向对比度以及活度加权对显著水平进行测量, 提出了用显著水平测量的方法对系数进行选择, 进而提取红外图像的目标特征以及灰度可见光图像中大量的背景特征信息。仿真结果表明, 该算法能够在保留原图像中重要信息的同时, 融合后的图像边缘细节更加清晰、边缘更加平滑。

建立了小模数齿轮视觉检测系统用于小模数齿轮的工业测量。针对该系统在标定过程对图像降噪的需求, 提出了基于Curvelet变换的域尺度与方向相关性联合降噪算法。首先, 介绍了Curvelet变换的原理和过程; 根据齿轮自身的对称性特点提出了利用尺度和方向间相关性的联合降噪算法, 并计算了对应的参数。然后, 比较了不同噪声情况下该算法的处理效果。最后, 同3种常见的降噪算法(高斯滤波, 小波降噪, 普通的Curvelet阈值降噪)进行了比较。结果显示: 经相关性联合降噪算法处理后的峰值信噪比(PSNR)优于高斯滤波6 db以上; 优于小波变换降噪3 db以上; 优于阈值降噪8 db以上。处理结果表明: 提出的算法可较好地保持齿轮边缘效果, 可满足小模数齿轮视觉检测系统后期摄像机自标定图像质量的需求。

曲波(Curvelet)变换是一种更适合于图像处理的多尺度几何分析 (MGA)方法, 具有很强的方向性。结合 HSI变换将其应用于全色图像和多光谱 (MS)图像融合可以更好地表示图像中的有用特征。首先对多光谱图像进行 HSI变换, 得到亮度分量 I, 对全色图像和 I分量进行曲波变换得到粗尺度系数和细节尺度系数, 对全色图像的粗尺度系数和细节尺度系数进行叠加, 计算归一化的全色曲波系数直方图, 定义边缘有效因子, 利用全色图像的特征信息对融合图像的粗尺度系数进行处理, 对细节尺度系数采用函数对弱边缘进行增强, 对新的曲波系数设计融合规则进行融合, 逆变换后得到新的亮度分量 Inew, 用 Inew替代原亮度分量 I进行逆 HSI变换得到最终融合结果, 采用统计类指标对融合结果进行评价。实验结果表明, 该方法在保持光谱信息和提高空间分辨率上都有较好的效果。