为了提高半导体激光加工中激光光斑中心定位精度, 根据皮秒超短脉冲激光辐照单晶硅后产生的光斑图像灰度分布特点, 提出了一种基于灰度直方图的激光光斑中心定位算法, 通过模拟激光光斑仿真分析和单晶硅刻蚀实验, 对比研究了不同辐照时间与不同激光功率条件下该算法与传统算法的定位精度。结果表明, 在辐照时间不同的条件下, 该算法定位精度达到0.761 μm, 比灰度重心法提高51.3%, 比最大行列灰度值法提高93.9%; 在激光功率不同条件下, 该算法的定位精度达到0.793 μm, 比灰度重心法提高73.4%, 比最大行列灰度值法提高86.8%。此研究可为皮秒超短脉冲激光光斑中心定位控制系统的设计提供指导。

大气对太阳辐射的吸收和散射会导致卫星影像的亮度和对比度降低,大气能见度越低、卫星空间分辨率越高,这种现象越明显,以至于低能见度条件下的亚米级空间分辨率光学卫星影像看起来非常模糊。基于辐射传输方程开发的自适应大气校正算法充分考虑了大气和目标物周围环境对卫星入瞳处目标辐亮度的影响,定量化描述了目标物周围像元的反射率与目标像元的反射率差异对邻近效应的影响。利用自适应大气校正算法对低大气能见度条件下的亚米级空间分辨率卫星影像进行大气校正,并且将其与常规图像处理结果进行对比。结果表明,利用自适应大气校正算法校正后的卫星影像质量得到了明显改善(清晰度提高了4.5275倍,对比度提高了44.61%,信息熵值提高了64.22%)。相对于常规图像处理方法在提升卫星图像质量时会带来噪声和过度增强的问题,自适应大气校正算法在提升卫星图像质量时不会带来噪声和过度增强问题。

为了解决人工镜检白细胞识别效率低下的问题, 采用计算机显微视觉平台进行了白细胞自动识别研究。白细胞图像分割方面, 筛选图像颜色模型之后采用区域生长算法实现白细胞与图像背景的精确剥离; 并利用大津法(即灰度直方图波谷阈值分割方法)实现了白细胞细胞核和细胞浆的提取; 根据细胞的形态、颜色及纹理特征用人工神经网络分类器对大样本量的白细胞进行了识别分类。结果表明,采用白细胞图像分割和智能辨识算法具有较高的精度和效率, 最终准确度能够达到95.6%。该系统满足临床医学显微视觉白细胞自动检测的需求。

表面缺陷检测在木材的选择和利用中具有重要作用。提出了一种基于木材表面图像的灰度和纹理特征的木材节子缺陷检测与定位方法。首先,将图像分成相同大小的子图,计算每个子块图像的灰度直方图,以灰度最大熵作为判断依据对各子块图像进行初步识别;然后利用局部二值模式算法提取初步识别结果中各子块图像的纹理特征,并使用支持向量机分类算法进行节子图像的精确识别;最后将识别为节子图像的各子块图像拼接起来,得到最终识别结果。实验结果表明,所提方法能够得到较好的识别结果。采用混淆矩阵作为评价标准时,识别准确率可达到95%。

针对临床采集的血管内超声(Intravascular Ultrasound, IVUS)图像序列数据量巨大，由人工逐帧检查和分析非常繁琐且客观性差的问题，本文提出两种自动检索IVUS 图像序列中关键帧的方法。其一是基于血管形态的方法：首先提取图像中的血管壁轮廓，并使用符号聚集近似(SAX)算法对轮廓包围区域的面积序列进行量化编码，进而计算出相邻两帧的血管横截面积序列之间的欧氏距离，提取出关键帧；其二是基于图像灰度直方图的方法，即通过计算图像灰度直方图之间的巴氏距离提取关键帧。利用临床采集的图像数据分别验证了两种方法的可行性，定量评价结果表明基于血管形态的方法压缩比高，有效降低了图像序列的冗余度，提取关键帧的准确性更高，代表性也更强，但其效率较灰度直方图的方法低。

木材表面节子是木材缺陷中非常重要的一类缺陷，也是评定木材外观等级、锯材和单板质量的重要指标。为了提高节子缺陷识别效率及准确性，并改善检测过程的自动化程度，对应用木材表面图像的灰度直方图统计特征进行节子缺陷识别进行研究。通过利用类间距离对7 个统计特征的分类能力进行评价，从而确定出识别节子缺陷的最佳统计特征，即平滑度特征；同时提出一种自适应的最大类间方差聚类法进行分类阈值的确定，进而采用阈值判别实现节子缺陷识别。经在线检测实验证实，该方法的识别率高于99%。

提出一种基于目标轮廓直线的参数方程和边缘灰度直方图相结合的跟踪算法。首先, 利用Hough 变换得到待匹配直线的直线参数方程, 同时建立该直线边缘的归一化灰度直方图, 由此得到的初始模板包含了目标的空间位置和像素分布信息。然后, 在后续帧中, 利用梯度方向和参数方程对分割后的像素进行聚类, 得到多条待匹配直线。最后, 利用灰度直方图匹配算法获得直线边缘的精确位置。实验证明该算法对处于复杂背景下、存在局部短时遮挡的包含直线边缘的目标有很好的跟踪效果。

由于人体脑血管结构复杂, 空间比例小, 三维分割和重构十分困难, 本文面向时飞磁共振血管造影(TOF MRA)数据提出了一种新的瑞利高斯有限混合模型来实现脑血管的自动提取和分割。首先, 对已有的混合模型进行了分析; 然后, 采用最大强度投影法(MIP)预处理脑部数据后采用高斯分布拟合血管类, 采用瑞利分布和高斯分布拟合非血管类。提出的模型构造简单, 参数向量较少; 在血管与非血管的混合区域, 模型与灰度直方图具有较好的拟合性。模型在传统期望最大化(EM)算法中加入随机扰动项构造随机期望最大化(SEM)算法来实现混合模型的参数估计, 降低了算法对初值的依赖, 同时提高了鲁棒性。实验证明, 与已有双高斯模型相比, 血管点数增加了27%, 可细分到三级血管且细节的连通性更好。本模型可更准确地拟合数据的灰度分布曲线, 有效地分割脑血管主分支及周围较细小分支, 泛化性较好并可应用于相似系统中。

在印刷工业上, 为了用数字图像处理的方法测量印刷网点的参数, 二值化是图像预处理过程中关键的一步, 直接影响参数测量的精度。在分析已有数字图像二值化方法的基础上, 结合印刷网点图的特征, 提出一种基于直方图凹度分析的二值化方法。该算法根据印刷网点图像的灰度直方图特征, 利用数学求导的思想求出灰度直方图中双峰之间的谷所对应的灰度值, 将该值作为二值化的阈值。实验证明, 该方法可以比较准确地求出印刷网点图的二值化阈值, 和已有算法相比, 扫描率低、速度快、计算准确, 具有很好的应用前景。

针对目前大多数特征提取算法对图像的亮度变化敏感这一问题, 提出了一种基于图像灰度直方图整体分布的参数自适应亮度稳健特征提取变换(PA-IRFET)算法。该算法首先确定灰度变换函数的形式, 通过分析图像的直方图分布来计算灰度变换函数参数,然后利用不同参数值的变换函数对图像进行变换, 建立图像的亮度空间; 最后, 以亮度空间为基础, 结合适当的特征提取算子在亮度空间进行图像特征提取以获得亮度稳健的特征。通过实验将PA-IRFET算法与Harris算子相结合进行特征点提取, 检测到的特征点个数比IRFET-Harris检测到的特征点个数大幅提高, 重复特征点的个数大约提高了20%以上。实验结果表明, 提出的算法对图像亮度变化具有较强的鲁棒性。