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%。

为了改善自动对焦过程中爬山法的搜索性能和对图像清晰度进行更合理的评价,提出基于动态搜索步长的自动对焦算法和一种自适应图像窗口动态选择的图像清晰度评价方法。在用红外变焦镜头采集的多个变焦视频中提取图像,建立仿真模型比较了该方法和几种经典的对焦算法的性能差别,实验结果表明: 提出的对焦窗口搜索方法在视场中具有多个目标时,能进行更合理的评价；在进行对焦搜索过程中,本方法在过冲次数、最大过冲步数、行程步数和离焦程度这四个指标上具有明显优势,有效地减少了搜索过程中反复来回越过对焦位置产生的“拉风箱”现象,节约了搜索时间。

针对大多数CFAR 算法在检测舰船目标时受滑动窗口的限制,检测耗时长、效率低和易造成漏检等问题,提出一种将自适应窗口与CFAR 算法结合的舰船目标检测方法.首先利用目标的全局显著性找到其大致位置,根据目标区是否满足自适应窗口设置条件分别进行处理:采用剔除掉目标干扰的背景参数检测内部目标;采用检出目标与整体背景参数双重筛选边缘目标;最后将两部分合并进行后续处理.实验结果表明,本文方法能够准确快速地定位目标区域,且能精确检测并刻画目标形状,取得了较为满意的检测结果.

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。

当目标尺度发生变化时，传统的粒子滤波跟踪算法的跟踪窗口尺寸不变，在目标尺寸变化较大时容易丢失跟踪目标。针对这一问题，提出了一种跟踪窗口自适应调整的粒子滤波跟踪方法。该方法依据运动目标区域内粒子到目标中心点的平均距离与目标尺寸的关系，建立跟踪窗口尺寸的数学模型。在两种目标模型上对所建立的数学模型进行了仿真验证。实验结果表明，当目标尺度发生变化时，跟踪窗口能够很好的随目标的尺寸变化而自适应地连续调整，改进后的算法在目标尺寸变化率很大时仍能够稳定跟踪目标。

针对多尺度窗口傅里叶变换中，窗口尺寸的自适应选取及提取基频时的频谱混叠等问题，提出基于希尔伯特黄变换(HHT)的自适应窗口傅里叶相位提取法。对变形条纹信号进行HHT后，通过谱分析，自适应确定能够准确描述条纹信号变化情况的瞬时频率及条纹图的背景分量。根据所得的瞬时频率，给出自适应定位条纹信号局部平稳区域的步骤，进而确定窗口尺寸。不需额外计算，可有效去除背景分量以减少基频提取过程中零频频谱的干扰。与现有的用最大脊法确定窗口尺寸的方法相比，本方法不受被测相位必须线性逼近且变化缓慢的前提约束。实验证明本方法有效、可行，且对测量携带陡峭边缘或面形复杂的物体也能进行较为精确有效的测量。