针对实际应用场景下，小麦籽粒图像背景单一以及小麦不完善粒的不完善特征大多是局部特征而大部分图像特征与正常粒无异的特点，提出一种基于细节的图像增强（IE）的小麦不完善粒识别方法。首先，使用交替最小化算法约束原图在水平方向和竖直方向的L0范数来平滑原图作为基础图层，并用原图减去基础图层得到图像的细节层；然后，突出细节层后将其与基础图层叠加以增强图像；最后，将增强后的图像作为卷积神经网络（CNN）的输入，使用加入了批正则化（BN）层的CNN对图像进行识别。分别以经典分类网络LeNet-5、ResNet-34、VGG-16和在其中添加BN层的这些网络作为分类网络，增强前后的图像作为输入来进行分类实验，并以测试集准确率评估性能。实验结果表明，三个经典分类网络均在添加了BN层后而使用相同输入时的测试集准确率提高了5个百分点，在使用细节增强后的图像作为输入时三个网络的测试集准确率提高了1个百分点，以上二者联合使用时三个网络均获得超过7个百分点的测试集准确率提升。

针对实际公共场景视频的人数统计中存在的背景干扰、光照变化、目标间遮挡等问题，提出一种结合特征图谱学习和一阶动态线性回归的人数统计方法。首先，建立图像的尺度不变特征变换（SIFT）特征与目标真实密度图之间的特征图谱映射模型，利用SIFT特征和前述映射模型得到包含目标和背景特征量的特征图谱；然后，根据通常监控视频中背景变化较小、特征图谱中的背景特征量相对稳定的特点，由特征图谱的积分与真实人数通过一阶动态线性回归建立人数回归模型；最后，通过该回归模型模型得出估计人数。在数据集MALL和PETS2009上进行实验，实验结果表明：与累积属性空间方法相比，所提方法平均绝对误差降低了2.2%；与基于角点检测的一阶动态线性回归方法相比，其平均绝对误差降低了6.5%，平均相对误差降低了2.3%。

为快速有效地去除监控视频中运动目标的投射阴影，提出了一种基于超像素和阴影区域的局部颜色恒常性的自适应阴影去除算法。首先采用改进的简单线性迭代聚类算法将视频图像中的运动前景分割为互不重叠的超像素；然后计算了RGB颜色空间中背景与运动前景的亮度比率，并分析了阴影区域的局部颜色恒常性；在此基础上，以超像素为基本处理单元，计算亮度比率的标准差，并利用阴影区域标准差的特征及其分布规律提出基于拐点的自适应阈值算法检测并去除阴影。实验结果表明，该算法可以适用于多种真实场景下的阴影检测，且阴影检测率与目标识别率均超过85%；基于超像素处理可以大幅度降低算法的计算复杂度，该算法每帧平均处理时间为20 ms。该算法可以同时满足阴影去除对准确度、实时性和鲁棒性的要求。

针对岩心扫描图像信息缺失的修复问题，提出了基于整体变分模型的修复算法。利用图像待修复区域邻域的参考像素信息,从待修复区域边缘逐步向待修复区域内部扩散，同时采用了邻域相关系数来衡量待修复区域邻域边界对目标像素点的影响程度,对算法进行了改进。通过仿真实验表明，改进后的算法与原方法相比，修复效果得到了改善，可以有效完成对于岩心图像的修复。

Curvelet变换可以更好地表示曲线奇异函数的异向性及图像边缘，因此更适合于多尺度图像去噪。针对传统阈值法存在的不足，在分析wrapping方法的快速离散曲波变换基础上，提出结合Cycle Spinning循环平移方法的菱形块阈值规则去噪法，并自适应地对不同的Curvelet子块进行阈值化。该方法可以消除由于Curvelet变换缺乏平移不变性而产生的图像失真，并且更好地利用曲波系数的相关性。实验结果表明，该方法与传统的小波去噪、曲波硬阈值去噪、曲波软阈值去噪、曲波软硬阈值折中法去噪相比，使得去噪图像的峰值信噪比更高，视觉效果更好。

分水岭算法用于图像分割，能获得封闭的和位置准确的轮廓，但容易造成过分割；ISODATA算法能将岩心砾石颗粒聚集成一类，但会使砾石目标边缘位置漂移。为克服以上两种方法的缺点，提出融合分水岭和ISODATA的图像分割方法。该方法首先利用分水岭算法得到过分割图像，ISODATA算法得到聚类图像，然后以ISODATA算法聚类的结果为依据，校正分水岭法的过分割问题。该方法用于砾岩图像的分割，取得了较好的实验效果。

针对岩心资源数字化的需求,设计并实现了一种用于岩心图像扫描仪的彩色线阵CCD图像采集系统。实际应用表明，该系统能很好地解决现有系统的分辨率低、成本高的问题。可为后继的岩心图像分析工作提供可靠的依据。

测井曲线矢量化是把测井图纸扫描成数字图像,采用图像处理与识别的理论与技术,把 图像中的测井曲线自动转换成数字量。测井曲线矢量化中的一个重要问题是如何去除背景和噪声。 为此,提出了频域滤波,十字模板匹配,线形Hough变换,灰度投影以及线模板匹配方法,并对这些方 法做了一些比较。