针对目前主流方法对图像中纹理单一区域匹配效果不佳的问题，提出了一种自适应的基于区域增长的立体像对稠密匹配算法。该算法利用灰度共生矩阵，在区域增长过程中的匹配窗内计算其纹理数量，然后根据纹理数量的多少自适应调节匹配窗的大小。当匹配窗内纹理数量足够多时，该匹配窗就能够表征该匹配窗中心点的特征，因此可以减少误匹配发生的几率。实验结果证明,该算法具有良好的性能。

传统Canny算法采用高斯滤波会造成图像的过度光滑，容易导致缓变边缘的丢失，而且梯度幅值的计算方法没有充分考虑到3×3邻域内周围像素对中心像素的影响。针对上述存在的问题与不足，结合小波融合技术的优势，提出了一种基于改进Canny算子与图像形态学融合的边缘检测方法，利用改进的Canny算子和图像形态学分别对图像进行边缘检测，然后应用小波融合技术把两种方法检测出来的边缘进行图像融合，得到最终的图像边缘。仿真结果表明，该算法具有较好的抗噪能力，有效地提高了边缘检测的准确性和完整性。

奇异值分解在图像水印算法中有着广泛的应用，但是也存在高虚警率的缺陷。讨论分析了空域和变换域中经典的奇异值分解水印算法和最近报道的基于主成分的改进算法。通过实验验证了改进算法的有效性。

在图像处理中，为了提高传统色彩平衡算法的计算速度、降低算法的复杂度，提出了一种全新的快速色彩平衡算法，即过滤少量极端像素颜色值并按比例提高剩余的非极端像素颜色值的方法。通过对多幅图片的处理，相对于传统的色彩平衡方法，该算法得到了更好的效果、具有更好的性能。

针对分水岭算法对噪声敏感和易于产生过分割的问题，提出运用顶帽变换对图像进行Ostu局部阈值处理，改善光照不均和噪声对图像分割的影响；采用多尺度形态学梯度，解决结构元素的形状和尺寸对梯度图像产生的影响。实验结果表明，该算法既能有效地分割粘连颗粒，又能有效抑制过分割现象。

针对基于小波变换的阈值去噪方法仅适用于去除高斯白噪声，对于脉冲噪声得不到好的降噪效果的问题，提出了将基于高斯模型的小波变换算法与改进的中值滤波相结合的去噪方法。该方法能够有效去除高斯白噪声和脉冲噪声的混合噪声。仿真实验结果表明，结合算法去噪后图像的峰值信噪比和均方误差都比单一算法得到了改善，从而证明了该方法的有效性。

在分水岭算法基础上融合多种方法，试图找出适合粘连虫卵图像的有效分割方法。通过对比实验发现，最小误差阈值法、极小值合并、分水岭等多种方法的融合能够准确地将粘连虫卵图像分离，取得很好的效果。

针对传统的凸集投影(POCS)算法重建后的结果图像存在边缘模糊的问题，提出了一种通过小波变换与分形插值得到高分辨率初始图像的估计方法。该方法通过对一幅图像进行小波分解得到低频重构图像和高频重构图像，对高频重构图像使用分形插值保留了图像的纹理和边缘信息。仿真实验结果表明，该方法可行有效，改善了图像的边缘特性及整体质量，与传统的POCS算法相比，本文方法提高了重建图像的峰值信噪比。