针对基于Census变换的立体匹配算法匹配精度不理想、易受噪声干扰的问题, 提出一种自适应窗口结合改进Census变换的方法。通过自适应选择变换窗口大小, 并在Census变换中引入噪声容限参数, 且将其改进Census代价与RGB颜色差值代价加权融合, 再采用四路径代价聚合策略完成初始代价聚合, 最后用WTA算法计算初始视差后通过后处理优化得到最终视差。实验结果表明所提算法误匹配率较低, 抗噪性能有较好提升。

立木视差图是立木因子测量、三维重建的基础。结合立木图像特征，为解决自然环境下立木图像结构复杂、光照干扰大等因素导致获取高质量立木视差图困难的问题，提出一种基于改进的semi-global matching（SGM）算法的立木视差图生成方法。针对SGM算法在图像纹理较弱和光照不稳定时生成的视差图效果不佳的问题，提出改进Census变换，该变换将Census中心像素值用周围像素的中值替代，提高初始代价的可靠性；在代价聚合过程中使用均值漂移算法进行图像分割，使算法具有较强鲁棒性的同时还有效降低了对重复和弱纹理区域的误匹配率。最后，分别采用自适应窗口填充无效值、中值滤波剔除不可靠视差值，使视差不连续的区域也能获得准确的视差值。在Middlebury公共数据集上对所提方法进行验证，所提方法的平均误匹配率约为5.23%，较传统的semi-global block matching（SGBM）算法、Boyer-Moore（BM）算法、SGM算法，分别提升9.47个百分点、9.345个百分点、8.96个百分点。自然环境下，所提改进的SGM算法可生成较高精确度的立木视差图。

提出一种基于图像分割的稠密立体匹配算法,该算法将灰度-梯度算法与零均值归一化互相关(ZNCC)算法相结合生成匹配代价,利用SLIC(Simple Liner Iterative Cluster)算法对图像进行分割,基于视差图和超像素更新了匹配代价。在视差后处理阶段,基于左右一致性检验(LRC)、孔洞填充和十字交叉自适应窗口加权中值滤波的方法减小视差图的误匹配率。利用Middlebury数据集的4组图像进行测试,测试结果表明,平均误匹配率为4.99%。

对激光雷达距离探测中的回波信号建模, 提出一种窗宽自适应形心修正算法, 根据窗宽与饱和度的关系建立窗宽自适应模型以获取形心, 并采用中位数修正, 实现高精度饱和波形时刻提取.利用Matlab进行仿真分析, 结果表明当信噪比为10 dB时, 窗宽自适应形心修正算法精度为0.3 ns, 相比于传统形心算法提高92%, 可有效解决形心漂移问题.利用板级系统实测波形验证算法, 并针对实测波形的微小畸变修正该算法, 结果表明在饱和波形下该算法时间精度可达0.5 ns, 可实现7.5 cm的测距精度, 有效增大测距动态范围, 降低系统复杂度.

近年来有学者将动态Allan方差引入惯性器件的随机信号处理中，实现了对随机信号误差的特性分析。但是由于动态Allan方差采用固定窗长的函数截取随机信号，导致信号动态跟踪效果与方差估计置信度不能同时兼顾。针对此问题，提出一种基于信息熵的自适应窗长动态Allan方差，首先用截断窗内信号的信息熵表征陀螺动态信号非平稳性，根据信号信息熵的大小自适应地选取下一时刻合适窗长，并对窗内信号进行Allan方差计算，通过实验仿真，证明了该改进方法的有效性，提高了对陀螺信号动态特性的分析能力。

动态Allan方差（DAVAR）法是分析非平稳性信号的有效工具，窗函数选取固定使得在辨识噪声时存在功率泄漏和定量单一的缺陷。为此，提出了一种以σ2比值法（F值）为判据标准，自适应调整窗口长度的DAVAR改进算法。首先用F值反映随机信号的突变特征，进而根据实时变化的F值计算窗函数的长度，并且自动对信号进行截取，最终将所计算的DAVAR绘制在三维图形内。对实际采集的陀螺仪随机信号的分析表明，该方法能准确反映动态噪声的变化特征，保证实时的突变跟踪能力和良好的置信度，为研究在各种干扰因素下陀螺仪组成的IMU误差建模与补偿提供了理论参考和评价依据。

动态Allan方差是分析光纤陀螺随机误差的一种新方法。针对其采用固定窗长的窗函数截断信号，导致动态跟踪效果与方差估计值的置信度不能兼顾的问题，提出了一种基于峭度自动调节窗长的改进算法。算法引入峭度参数表征陀螺输出信号的平稳程度，以滑动窗内数据的峭度值为变量构造窗长截取函数，应用窗长函数根据短时信号的稳定程度自动确定截断窗窗长，并用其来截取随机信号进而进行Allan 方差估计及误差系数实时辨识和提取，同时将方差估计值和误差系数时间曲线分别绘制在三维或二维图上。对仿真和实测数据分析结果表明：新算法既能在平稳性好的数据段保持较高的置信度，又能在发生动态变化时及时跟踪信号，可以更好地对光纤陀螺的随机误差系数进行实时在线提取和分析。

为了实现机器人在弱纹理场景中的避障和自主导航, 构建了由双目相机和激光投点器构成的主动式双目视觉系统。对立体视觉密集匹配问题进行了研究: 采用激光投点器投射出唯一性和抗噪性较好的光斑图案, 以增加场景的纹理信息; 然后, 基于积分灰度方差(IGSV)和积分梯度方差(IGV)提出了自适应窗口立体匹配算法。该算法首先计算左相机的积分图像, 根据积分方差的大小确定匹配窗口内的图像纹理质量, 然后对超过预设方差的阈值与右相机进行相关计算, 最后通过遍历整幅图像得到密集的视差图。实验结果表明: 该视觉系统能够准确地恢复出机器人周围致密的3D场景, 3D重建精度达到0.16 mm, 满足机器人避障和自主导航所需的精度。与传统的算法相比, 该匹配方法的图像方差计算量不会随着窗口尺寸的增大而增加, 从而将密集匹配的运算时间缩短了至少93%。

立体匹配技术是计算机视觉领域的研究热点，由于问题本身的病态性，一直没有得到很好地解决。针对现有局部立体匹配算法精度不高以及易受光照失真影响的问题，提出了一种基于改进梯度匹配代价和自适应窗口的匹配算法。在传统梯度向量仅包含幅度信息的基础上，引入相位信息，并对原始匹配代价进行变换，进一步消除异常值；利用图像结构和色彩信息构建自适应窗口进行代价聚合；提出了一种局部视差直方图的视差精化方法，获得了高精度的视差图。实验结果表明，所提算法在Middlebury 测试平台上平均误匹配误差为6.1%，且对光照失真条件具有较高的稳健性。

在红外焦平面( IRFPA)成像系统中, 盲元检测和补偿是红外成像过程中必不可少的一步。针对 FPGA, 提出一种基于两点参数的简化型 3σ盲元检测算法, 并介绍了自适应窗口盲元补偿算法。该算法通过分析两点参数矩阵的分布情况, 以 3σ为基准裁定盲元; 再在自适应窗口中补偿盲元, 优化了补偿结果。具体介绍了硬件功能结构和算法关键数据流的设计。仿真和实际场景实验结果表明该算法对盲元能做到精确检测和有效补偿, 且速度快和资源省, 能在硬件上完整地实现。