针对基于特征的图像配准在较大仿射变形以及存在相似目标情况下适应性不佳的问题，为减少算法的时间开销，提出一种基于匹配质量提纯的改进描述网（D-Nets）算法。首先，通过FAST算法检测特征点，并根据Harris角点响应函数以及网格划分相结合的方式进行筛选；然后，在计算直线描述子的基础上构建哈希表和投票表决，从而得到粗匹配对；最后，采用基于匹配质量的提纯方法剔除误匹配。针对牛津大学Mikolajczyk标准图像数据集进行了实验，结果表明：提出的改进D-Nets算法在尺度、视差和光照变化较大的情况下平均配准精度为92.2%，平均时间开销为2.48 s。与尺度不变特征变换（SIFT）、仿射-尺度不变特征变换（Affine-SIFT）、原始D-Nets等算法相比，提出的改进算法与原始算法的配准精度基本相当，但速度最高可提升80倍，并具有最佳鲁棒性，显著优于SIFT、ASIFT算法，非常适于图像配准应用。

为实现硅太阳能电池纹理缺陷检测，提出一种采用方向可变滤波器组并结合Hough变换的检测方法。通过方向可变滤波器提取图像边缘并采用Hough变换确定纹理方向，采用角度与纹理方向一致的方向可变滤波器滤波，实现消除规则直线纹理，保留纹理缺陷特征。对滤波后的纹理缺陷结果图像采用双阈值法，以确定纹理缺陷所在的位置。和Gabor滤波器及小波滤波器的比较实验结果表明：该方法比前两种方法能更有效地进行硅太阳能电池纹理缺陷检测。

硅太阳能电池生产过程中的检测是一个重要的环节，针对硅太阳能电池片的特点，提出了一种基于视觉检测的硅太阳能电池检测方法。通过拟合直线和圆进行外形尺寸的测量，并在此基础上通过计算边缘点到拟合直线或圆弧的距离进行外形破损检测。针对丝印后电池表面纹理结构比较复杂的特点，采用多模板匹配并结合差影的方法进行丝印缺陷检测。实验结果表明：提出的方法具有稳定、可靠和精度高等特点，达到了快速、有效地实现硅太阳能电池缺陷检测的目的。

为实现SMT钢网尺寸的精确自动测量,提出了一种基于Gerber文件信息的视觉测量方法。首先,采用NED公司的NUCLi 7K线扫描相机采集真实图像,并通过读取Gerber文件提取图形的形状及大小等信息。其次,通过坐标比例、旋转和平移变换建立Gerber文件图形信息坐标系和真实图像坐标系之间的坐标映射以确定图形在真实图像上的大致位置。然后,采用Canny算子和Gray moments算子实现图形边缘的像素级和亚像素级精确定位。最后,根据图形的亚像素边缘通过直线和圆等图元拟合方法实现图形尺寸的精确测量。实验中测量值的最大测量误差为0.0854pixel(0.91μm),均方差最大值为0.0282pixel(0.30μm),表明该测量方法具有稳定、可靠和精度高等特点,能有效满足钢网尺寸自动测量要求。