随着双目成像技术的发展,双目图像超分辨在近年来得到了广泛关注。不同于单幅图像超分辨,双目图像超分辨可以利用左右视角图像间的互补信息进一步提升图像重建质量。对双目图像超分辨领域的最新进展进行了综述。首先,介绍了双目成像的基本理论。接着,对现有的双目图像超分辨算法和双目图像数据集进行归纳总结。随后,在基准数据集上对几种基于深度学习的主流算法的性能进行了评测,并探究了不同训练集对超分辨算法性能的影响。最后,总结了双目图像超分辨所面临的挑战,并展望了其未来的研究方向。

基于标准大气环境的大气折射率理论模型不能反映实际大气折射率的波动性,针对该问题,提出了一种基于恒星光线偏折的大气折射率估计方法。基于光学卫星的恒星观测数据,分析恒星光线经大气折射发生偏折的现象,建立恒星光线经大气折射后进入光学卫星传感器的光路模型,在分层球形大气的假设下证明该光路模型的对称性。研究一种利用恒星实测光线和恒星理论光线迭代前向反馈的方法,用以估计分层大气折射率。最后,利用光学卫星的恒星观测数据进行有效性验证,计算出的大气折射率与理论大气折射率相符,且能够反映短期波动性。对测试用的恒星实测数据进行处理,结果表明:88%以上的恒星理论视线与实测视线的估计值相差不超过1%,其余部分观测数据估计偏差基本不超过20%。

标签多伯努利(LMB)滤波器在传统多伯努利滤波器基础上引入标签空间, 能够实现真正意义上的多目标轨迹级滤波.文章对红外小目标的运动和量测进行建模, 将标签多伯努利应用到红外小目标检测前跟踪领域.在此基础上, 为了实现对运动模型时变目标的检测前跟踪, 将交互式多模型(IMM)与LMB检测前跟踪算法相结合, 提出IMM-LMB检测前跟踪算法.此外, 给出了该算法的序贯蒙特卡罗实现.仿真结果表明, 所提算法能够从输入的原始图像中直接实现轨迹级多目标检测和跟踪, 且能够在线更新多模型概率, 更好的适应多机动目标场景.

高精度的传感器视线指向确定与校正是天基光学监视系统高精度跟踪和定位目标的重要保障，而高帧频、窄视场的凝视相机的视线指向确定和校正是这一问题的难点所在。在研究凝视相机的成像模型及其观测特点的基础上，提出了基于地标控制点的视线指向实时确定与校正算法。将影响凝视相机视线指向的误差因素(热变形误差、安装误差等)等效为视线指向偏移角，通过建立地标控制点的观测方程和偏移角的状态转移模型，采用扩展卡尔曼滤波器，实现了对偏移角的实时估计和视线指向的高精度确定与校正。仿真结果表明所提算法的精度、时效性均能够满足天基光学红外监视系统目标跟踪与定位处理的需求。

现有压缩域目标检测算法取得较好检测结果的同时，有效减少了数据存储空间，但是存在背景参数估计易受噪声影响，目标检测易对邻近目标产生漏警等问题。在原有压缩域红外小目标检测算法的基础上进行改进，提出了一种基于自适应参数估计和噪声统计模型的压缩域目标检测算法。对压缩域红外数据矩阵进行自适应的低秩稀疏分解，分离并重建背景矩阵和目标矩阵，根据分解残差推导统计模型，对目标矩阵进行基于噪声统计模型的阈值分割。结果表明，此算法较原算法具有更好的抗干扰能力，并解决了邻近目标的漏警问题。

为了提高过采样体制下点目标的探测能力，提出了基于多伯努利滤波器的过采样点目标检测前跟踪方法。分析了时空过采样体制的成像过程，给出了时空过采样体制下的点目标成像模型，并将过采样观测过程等效建模为多个单采样线阵同时观测的过程。利用提出的模型，将单采样条件下的图像处理方法自然地扩展到过采样条件下。然后，根据等效观测模型，给出了针对过采样点目标的多伯努利预测和更新过程，并用序贯蒙特卡罗的方式实现了该检测前跟踪方法。最后，通过仿真实验验证了本文算法的有效性。实验结果表明：本文提出的方法能够在图像信噪比≥3的条件下，有效检测和跟踪过采样体制下的多个点目标，目标估计误差≤0.25 pixel；与单采样检测前跟踪相比，过采样检测前跟踪能够探测目标能量更弱的小目标。因此，本文方法能够满足高精度天基点目标检测跟踪的需求。

提出一种稀疏重构框架下利用幅度实现扩展目标量测划分的方法.利用衍射受限光学系统特性对像平面进行网格采样, 建立稀疏重构模型及“超完备字典”.通过重构挖掘像元幅度值中的有效信息并基于成像机理对重构出的非目标量测进行抑制处理,利用重构出的亚像元级目标位置、幅度信息实现目标量测的划分.仿真结果表明:信噪比为6 dB时, 本文算法比传统方法在实现对所有扩展目标量测的正确划分上提前30s, 对目标探测信息能充分利用, 在量测划分准确性上比依靠距离划分的传统方法有较大提高, 尤其在低信噪比条件下较传统方法量测划分的准确性提升明显.

天基光学传感器对空间近邻目标的像平面跟踪过程中,传统方法在单帧恒虚警检测后进行量测划分,采用的虚警率过高可能引入较多的杂波点,过低则群目标在像平面的部分信息损失.在分析空间近邻目标在像平面特征的基础上,提出一种使用马氏随机场模型进行预检测处理然后以k-均值进行量测划分的方法,仿真结果表明,相比传统方法,基于马氏随机场模型的空间近邻目标检测及量测划分准确率更高,且在信噪比较低的情况下,性能改善明显.