为实现在光电跟踪系统条件下的高精度测量并且满足复杂环境下高精度目标匹配, 本文选用去均值归一化互相关匹配算法。为提高匹配速度以及跟踪实时性, 利用和表法计算公式中图像求和、平方和图像匹配互相关来简化计算复杂度；采用小波分层金字塔法作为搜索策略, 并将模板质心作为参考点进行十字形搜索, 引入终止阈值减少误匹配点进一步提高搜索速度。为验证该算法的有效性, 实验中将光电跟踪系统放置在二维转台上, 调整转台利用该算法跟踪目标靶板。实验结果表明, 目标脱靶量控制在 3个像素以内, 该算法在光电跟踪系统上可实现高精度稳定跟踪。

糖尿病是影响人类健康的重大疾病之一，患者需要长期监测并控制自身血糖浓度以防止并发症的发生。相比于传统的有创检测方法，光学无创血糖检测能够极大地减轻病人的采血痛苦，通过增加测量次数来精确控制血糖。基于光学相干层析成像(OCT)的无创血糖检测是近些年来极具发展潜力的技术之一，但目前存在的问题是被测试者在仪器图像采集过程中，自身不自觉的轻微抖动会造成被采集皮肤区域的三维图像在空间范围内前后不一致，从而影响无创血糖测量的准确度。针对这一问题，提出了一种基于OCT无创血糖检测的皮肤三维图像校正补偿方法。经此方法处理后的人体临床实验数据表明，无创血糖预测值的准确度提升了36.57%。该研究对光学无创血糖检测具有重要的参考价值。同时该方法也适用于其他需要进行精确定量计算的光学成像应用。

为有效提升目标跟踪的精确度和实时性，设计了基于多模板匹配的双模型自适应相关滤波跟踪算法。对多模板匹配模型与核相关滤波跟踪模型参数进行初始化处理：多模板匹配模型选取得分函数作为模板与候选样本间匹配准则，通过候选样本得分获取最佳目标，更新多模板后，通过形变多样相似性实现多模板匹配；核相关滤波跟踪模型利用所采集目标样本数据建立循环矩阵，通过训练核化岭回归分类器获取核相关滤波器，并获取响应置信图，再利用响应置信图获取下一帧图像目标位置。通过自适应融合策略获取两个模型所估计目标位置，再采用金字塔尺度估计策略估计目标尺度变化，通过不断更新各模型参数实现目标精准跟踪。实验结果表明，在目标受遮挡或旋转、光照变化等复杂环境下，该算法的中心跟踪误差均低于 15 dpi，平均跟踪精确度均高于 98%，且目标定位时间低于 100 ms，说明该算法在跟踪精确度和实时性上具有明显的应用优势。

提出了一种高动态条件下星斑模拟及星点目标提取方法。首先，基于黑体辐射建立星点静态像斑模型；其次，基于星体模糊模型和Bresenham直线生成算法生成动态星点像斑模板；再次，利用生成的模板和相关模板匹配法在星跟踪波门内实现星体目标粗定位并进行伪星点剔除；最后，利用质心法在粗定位区域提取星点质心。实验结果表明，该方法能够适应各种长度的曝光时间，并实现星敏感器在3°/s条件下的稳定跟踪。在曝光时间50ms，角速度3°/s的条件下，星对角距误差为10"，平均提取率为97%，与传统方法相比，分别提高了78.4%和36.6%。

近年来,随着工业4.0的提出和机器视觉的飞速发展,机器人搭配视觉系统实现智能化变为现实。视觉系统主要分为二维(2D)视觉和三维(3D)视觉,3D视觉有着高精度、自由度丰富、应用场景更多等优点,越来越受到市场的青睐。3D视觉与传统的2D视觉相比,可以获得更加全面的三维数据信息,且不受光照影响,但是X、Y方向的分辨率较低,因此基于棋盘格的传统手眼标定算法并不适用于3D相机与机器人进行手眼标定。因此,设计了一种基于3D标定块的机器人与3D相机的手眼标定方法。通过相机获得标定块的灰度信息,利用模板匹配算法分割标定块的各个平面,计算出平面中多个点在像素坐标系下的位置,同时获取该像素坐标的深度信息,拟合出标定块多个平面的法向量信息,通过多个平面相交求解出特征点位置。利用随机抽样一致性算法剔除错误特征点后,根据正确的特征点求解出机器人在不同姿态下获取标定块点云数据之间的转换关系,结合机器人当前坐标求解出手眼标定结果,并建立误差评价模型对结果进行误差分析。最后通过DENSON六自由度机械臂与康耐视EA-5000相机对此方法与利用标定板进行手眼标定的方法进行比较验证,结果显示此方法可以更快速、准确地完成标定。

显微镜倍率越大,视野越小,通常需要通过图像拼接得到视野范围大且分辨率高的切片图像。而显微图像拼接时,由于特征丰富、信息量大且包含大量相似区域,导致拼接时间过长,配准准确率低。为此,提出了一种针对显微图像的拼接算法,可以快速进行配准和融合得到拼接图像。首先通过模板匹配进行初始运动估计,然后用光流法做进一步匹配,得到匹配点对后通过相似性和位置约束剔除误匹配点,进一步提高配准精度。实验结果表明,所提方法可以在保持实时性的同时有效提高配准精度。