全景视觉是指一次获得大于半球视场(360°×180°)的三维空间的全部视觉信息。由于其视域开阔,对于民用、军事还有宇航空间领域中依赖于视觉信息做出决策的各行业都具有非常重要的意义。目前被广泛关注的全景视觉感知技术主要是采用反射镜和鱼眼镜头两种方法。其中前者由于成像原理相对简单,仅仅由光线经过两次反射完成,理想系统的理论建模相对容易,装置价格相对低廉,是目前研究的主要对象,本文亦采用这种技术获得全景视觉图像。由于所获得的图像不符合正常立体空间的视觉特点,所以应用一次柱面全景图展开法将图像展开成柱面全景图。展开之前,首先需要把全景视觉图像的有效区域提取出来,根据有效区域内的极限亮度差比有效区域外的极限亮度差大的特点,提出一种基于亮度差的提取方法。由于全景视觉图像尺寸大,单DSP控制芯片或PC机处理起来难以达到实时性的要求,所以在将整幅图像展开柱面全景图之前,首先先将全景视觉的有效区域分割后再分别应用一次柱面展开法进行展开,本文提出三种方法进行图像分割：(1)图像均分4份；(2)图像按内外环分割；(3)奇偶场分割。以上三种方法均不同程度的减少了全景图像的处理时间。全景视觉图像分割后,出于对目标监测,识别等目的,因而对分割后的图像进行彩色图像增强。本文采用脉冲耦合神经网络(PCNN)进行彩色图像增强,但是即使采用简化的PCNN模型仍然存在参数较多的问题,所以参数的选取成为图像增强效果的关键。如何优化参数就成为了PCNN彩色图像增强过程中的重中之重,本文采用两种优化方法进行PCNN彩色图像增强中四个参数的优化,分别是遗传算法和粒子群算法,以上两种优化方法在参数优化方面均取得了很好的效果。