针对复杂光照情况下的道路区域提取问题,提出一种基于颜色不变量和暗原色分割的道路区域提取算法,该算法通过正交分解法提取光照不变图像,并基于暗原色先验的道路图像聚类分割,提取图像的消失点等道路信息,构造软投票函数来判别道路区域,经过形态学处理得到最终精确的道路区域。为了有效评价复杂光照场景的道路区域提取算法的精度和效率,构建了一套复杂光照场景的道路图像数据集,并针对9种道路区域提取的算法构建了Benchmark。实验结果表明,所提方法能有效降低阴影等干扰因素的影响,与另外8种算法相比,本文算法能够实现与最新算法具有相近或更加准确的精度,并且本文算法在消失点位置提取准确时,道路的提取效果比其他算法更加完整和精确。此外,本文构建的数据集和Benchmark能够有效地用于测评复杂光照环境下道路区域提取算法的性能。

追踪了由远场光电探测器采样宽度限制引入的量化噪声在算法实现过程中的传递，分析了其对算法在波前像差校正中的效果和收敛速度产生影响的原因。根据斯特列尔比值(SR)的变化，提出了一种基于动态区域提取的模式复原算法，并利用18阶和33阶Zernike多项式模拟得到的符合Kolmogrove大气湍流功率谱的波前对该算法进行数值计算。计算结果表明：采用动态区域提取的复原算法校正波前像差，在12位相机采样宽度和33阶初始像差情况下，算法经31次迭代后收敛，波前复原残差均方根为0.058λ(λ为波长)，SR达0.9以上。该算法减小了量化噪声的影响，无波前传感自适应光学系统的收敛速度和校正效果得到显著提高。

由于仅考虑颜色等视觉对比信息的视觉显著性提取模型不符合人眼生物学过程,本文提出了一种基于混合模型的改进显著性区域提取(ISRE)方法.该混合模型由显著性滤波算法和改进脉冲耦合神经网络(PCNN)算法构成.首先,利用显著性滤波器算法获得原图像的初始显著性图(OSM)和亮度特征图(IFM),用IFM作为PCNN的输入神经元;然后,进一步对PCNN点火脉冲输入进行改进,即对PCNN内部神经元与OSM的二值化显著性图进行点乘,确定最终点火脉冲输入,以获得更加准确的点火范围;最后,通过改进后的PCNN多次迭代,完成显著性二值化区域提取.基于1 000 张标准图像数据库进行的实验结果显示:在视觉效果和客观定量数据比对两方面,本算法均优于现有的5种显著性提取方法,平均查准率为0.891,平均召回率为0.808,综合指标F值为0.870.在真实环境实验中,所提算法获得了精确的提取效果,进一步验证了本算法具有较高的准确性和执行效率.

针对光学透镜参数测量系统中的对焦问题，设计了一种粗精结合的复合自动对焦方案。在粗对焦过程中，选用全局图像的方差函数作为清晰度评价函数，用均值比较的爬山法实现焦面搜索，并用三点法判断初始对焦方向。在精对焦过程中，利用基于数学形态学的条件膨胀算法和形状因子提取目标图像，并以目标图像区域内的Brenner函数作为清晰度评价函数，用单点比较的爬山法实现焦面精细搜索。实验表明，该对焦方案不仅对焦精度高，还有较大的对焦范围，能够保证对焦位置包含在镜头景深范围内，且透镜参数的测量结果准确，稳定。

将图像区域像素的统计特征引入活动轮廓模型,提出使分割轮廓所包括区域的质心对应角均方根误差极小的最优搜索方法——质心配准法。质心配准法有效地避免了散斑噪声等图像污染对图像区域分割精度的影响,实现了模糊图像精确的区域分割,求得图像最佳配准参数。对实际光学系统输出的多幅具有较大空时互补性的低分辨率图像进行了仿真实验,实验结果表明:该配准算法具有较高的精度,并在光学系统分析上得到了很好的应用。

建立了基于机器视觉的踏面缺陷检测系统,研究了该系统的踏面缺陷图像区域提取技术。采用基于平稳小波自适应阈值算法提取踏面区域;然后,根据踏面剥离缺陷图像特征,利用基于分块思想的粗定位和精定位组合的方法提取剥离图像区域;最后,根据踏面擦伤缺陷图像特征,利用基于踏面边缘线扫描搜索擦伤区域的方法提取擦伤图像区域。用两个实例验证了提出方法的有效性,实验结果表明:系统对剥离和擦伤两种缺陷的漏识率分别为8.3%和5.3%,误识率为5.1%,从而为后续特征提取和缺陷识别奠定了基础。