本文所述的“低质量可见光图像”包含两类:1.感兴趣的特征信息不明显或者不完整的可见光图像;2.分辨率很低的可见光图像。对于低质量可见光图像相关处理技术的研究具有十分重要的意义。本文以两类典型的低质量可见光图像:金属标牌中的压印字符图像和在模拟的高仿真太空环境下采集到的卫星图像为例,对低质量可见光图像的有关处理技术进行了研究,主要研究内容是低质量可见光图像的预处理、特征提取及识别分类。提出了一种利用金属标牌规格进行压印字符区域分割的方法。金属标牌打印机打印字符具有高精度的特点,因此金属标牌的规格特点属于稳定且可以信任的信息,本文利用这个高稳定性的固定信息来完成对低质量压印字符区域的分割。标牌在采集时容易受到标牌自身质量和自然条件(如光照)等因素的影响,采集后的标牌容易存在随机亮斑和背景亮度不均的现象,提出了一种基于灰度分布特征的提取算法。对于利用CCS光源采集得到的压印字符图像,存在亮度差异较大和光照分布不均的问。首次提出了一种新颖的基于空域的自适应光照补偿算法。在字符识别过程中,部分字符由于噪声、对比度和其他因素使得待识别字符在预处理后产生断裂的现象。根据金属标牌字符的结构特征并结合待识别字符的统计信息,提出了一种新的修补方法。在模拟太空环境下采集到的低质量卫星图像,图像分辨率很低。目前常规的一些分割算法已经不再适用。提出来一种基于灰度—梯度分布特征的低质量卫星图像的分割算法。对于利用CCS光源采集得到的压印字符,很容易出现内部缺孔、边缘变形和噪声的情况,这势必影响质心坐标,从而产生圆心定位出现偏差,影响了投影圆周曲线,降低了字符识别率。对于这一问题,改进了原有圆周投影特征提取方法,提出了一种基于改进的圆周投影进行特征提取的方法,并进行了有关实验。研究发现,在压印字符的单级特征识别中,相似类字符(如6、9)容易识别错误。因此在单级特征识别后,需要对相似类字符进行二级识别。二级特征识别主要提取了相似类字符的左、右边界特征识别这类相似类字符。采用基于小波矩和BP神经网络的识别方法对单幅空间目标图像进行了识别实验,实验结果表明该方法具有一定的有效性,但是实用性却远远没有达到规定的要求。本文将目前在数据融合方法中应用较多的D-S证据理论引入到本文的研究课题中来,验证了一种基于D-S证据理论的序列空间目标图像的识别算法。本课题受到教育部博士点基金(20060422011)和国家863计划的资助,在此表示衷心感谢!