科学研究和统计表明，视觉系统帮助人类从外界获得3/4以上的信息。对于智能机器来说，赋予人类视觉功能是十分必要的，这就形成一种新学科——机器视觉。图像降噪和分割技术是视觉计算的重要组成部分，它们在实践中得到大量应用，因此受到广泛重视和研究。本文结合项目：视觉坐标测量机和三维视觉坐标测量机的优化模式，在低级视觉和中层视觉的层次上进行CCD自然图像降噪和分割方面的理论性研究以及机器视觉在测量领域的应用性研究。集中体现在以下几个方面：分析CCD自然图像的随机噪声；建立影响立体匹配精度的随机噪声模型；设计降噪滤波算法；建立基于尺度梯度图像的非线性散射方程，并应用于自然图像的多尺度分割；设计确定最佳分割尺度的算法；设计主动追踪的自然图像分割算法。具体在以下几个方面的研究工作中取得了进展及创新：1、通过试验的方法，将CCD自然图像的随机噪声分成测量噪声、照度噪声和视差噪声三类，进行定性和定量的分析。并针对影响立体匹配精度的随机噪声建立一种简化的模型，使噪声的滤除有了理论依据。根据所建立的噪声模型，确定了加权Wiener滤波器的高斯窗形状。实验表明，滤波后立体匹配的精度优于1/4像素。2、利用反馈的方式，建立四种基于尺度梯度图像的非线性散射方程，并分别给出它们的物理解释，仿真结果与理论分析取得一致。将非线性正散射方程应用于自然图像的多尺度分割，它能够消除图像的细节成分，而保持主体成分。3、设计基于信息论和稀疏性的两种确定最佳分割尺度的算法，它们都能使分割后的CCD自然图像达到伪平衡状态。基于稀疏性的方法对细节成分较少的图像选择了较小的分割尺度，因此具有更好的分割效果。4、利用压缩灰度值范围的方法形成主动追踪图像，从原理上模拟生物视觉系统利用眼球移动追踪目标的工作。建立的主动追踪分割的神经元网络模型说明它符合视觉皮层信息传递集成的多级同步集成假说。5、将CCD自然图像降噪和分割方面的研究成果应用于视觉检测，进行两个视觉检测系统的试验：（1）交通事故现场勘查系统；（2）火炮自动检靶系统。<WP=8>