为了解决不同的光学相干层析（OCT）图像预处理方式对皮肤真皮层散射系数计算影响的问题, 提高无创血糖的测量精确度, 提出了一种对OCT图像数据前期处理的最优化方法。在对采集的3维图像数据进行皮肤表面对齐、3维重建、1维平均处理的基础上, 分析了背景噪声和数据是否归一化对血糖预测精度的影响, 并结合临床实验进行了验证。结果表明, 预测误差较预处理之前减小了18.31%。该研究对于提高基于OCT技术的光学无创血糖测量精度具有重要的参考价值。

景象匹配对匹配算法的运行速度和内存占用均要求较高。为提升归一化互相关算法的运行速度并降低其内存占用率，本文重点对其中的基准子图能量计算步骤进行了加速研究。经过详细分析，积分图法具有灵活、快速的优点，但缺陷为其在快速计算的同时需花费较大内存，并不适合直接应用在嵌入式系统中。本文提出了一种快速递推算法。该算法利用相邻像素值的能量进行连续递推，计算时可以不必像积分图法那样给所有的图像能量都分配空间，只需预留1行的像素空间便能完成整个能量计算过程。实验结果表明: 在时间花费方面，快速递推法具有和积分图法相当的运算速度，耗时均只为传统归一化互相关算法的1/2; 在内存占用率方面，快速递推法约为积分图法的1/3以下，且实时图尺寸越大，快速递推法占用的内存越小。综上所述，在归一化互相关算法中利用经典积分图法和本文提出的快速递推法计算基准子图能量，均较传统NCC算法有所加速，两种算法各具优点，经典积分图法快速、灵活，适用于对速度要求高，但对内存占用率要求不太高的应用场景; 而快速递推法快速、省内存，更适用于嵌入式系统的应用。

针对存在着无旋转角度的线性位移模糊的图像，本文提出了一种新的基于脉冲耦合神经网络(PCNN)的边缘-参数曲线模糊分析法来辨识位移参数。该方法利用归一化的局部熵变换和改进的单阈值PCNN 模型构造一个新的边缘因子，提取出模糊图像的边缘和纹理信息；通过边缘因子与对应的线性匀速运动参数构成的边缘-参数曲线，可以准确地辨识该模糊图像的位移量。实验结果表明，该算法产生的辨识曲线性能稳定，辨识方便准确，可辨识的有效线性移动模糊参数范围可到4～30 个像素。