针对传统遥感图像飞机目标检测算法在复杂背景下存在检测准确度和检测召回率较低的问题, 基于深度学习中YOLOv4-tiny提出一种遥感图像飞机目标检测算法。根据YOLOv3和YOLOv4的网络结构对YOLOv4-tiny的网络结构进行改进, 将原算法中的CSP特征提取网络强化, 使其特征提取能力增加; 使用Mish激活函数替换原激活函数Leaky ReLU, 以获取更好的泛化性; 添加了空间金字塔池化模块, 缓解网络对目标尺度的敏感程度。实验结果表明:在常规高质量、过度曝光的停机坪、登机口干扰和雾天影响的遥感图像测试中, 改进后的算法都有很优秀的检测效果, 最终统计检测准确度为98.49%, 较原算法提升了1.79%, 召回率为97.19%, 提升了23.2%, 速度达到8.77ms。检测效果有显著提升, 能够满足实时性要求。

为了抑制由读出放大电路增益不一致导致的CMOS传感器固定模式噪声(FPN), 提高成像质量, 本文提出了基于暗电流的固定模式噪声校正方法。该方法相比于传统校正方法具有校正系统简单, 算法易于实现的优点。本文对校正前后的图像通过灰度方差进行评估,评估结果表明: 由暗电流形成的本底图像, 图像灰度方差校正后相比于校正前, 降低1~2个数量级; 均匀光照条件下的CMOS图像, 校正后相比于校正前, 图像灰度方差增大2个数量级。该评估结果及相关结论对暗电流本底图像及相关校正方法探讨具有一定的借鉴意义。

针对遥感图像中舰船目标的检测, 提出了一种基于YOLO-v3改进的实时遥感舰船目标检测方法。通过引入空间金字塔池化结构, 结合密集连接和Inception结构实现降维过渡模块等方法增强了网络特征信息的提取, 重新替换骨干网络的连接结构和优化多尺度特征融合检测设计出新的网络结构, 减少了参数量, 加强了特征传递, 最终实现了优于原方法的效果。使用空客公司在Kaggle比赛提供的遥感图像数据集做试验对比, 该算法平均检测精确度达到84%, 相较于原算法精确度提高了约4%, 速度达到23 帧/s。

针对Staple算法存在的两个问题, 提出了一种基于Staple改进的目标跟踪算法。首先, 为了增强Staple算法在灰度视频序列中的判别能力, 提出一种基于局部敏感直方图的直方图分类器; 其次, 提出一种基于相对置信度的自适应融合系数, 解决了Staple算法中两个分类器无法最优融合的问题。将该算法在OTB2013测试集上与其他9个先进的算法进行了比较, 实验结果表明该算法的精确度与准确率分别为0.814和0.614, 相对于Staple算法分别提升了4.1%和3.5%, 具有很好的鲁棒性。

针对相关滤波类目标跟踪算法存在的两个问题, 提出了结合特征融合与类残差更新策略的核相关滤波实时目标跟踪算法。首先, 为了解决相关滤波目标跟踪算法中使用相同系数结合不同种类特征的问题, 根据平均相关峰值能量提出一种自适应特征融合的背景感知相关滤波器; 其次, 将特征融合的背景感知相关滤波器与贝叶斯分类器通过集成学习整合成一个强跟踪器; 最后, 针对相关滤波器使用高风险的更新策略的情况, 提出类残差的更新策略与基于阶跃函数的学习率更新跟踪模型以降低跟踪模型漂移的风险。将该算法在OTB2013与TC128测试集上与其他9个先进的算法进行了比较, 实验结果表明, 该算法在OTB2013数据集中的精确度与成功率分别为0.875和0.652, 排名第一, 具有很好的鲁棒性。

为了准确识别遥感图像中的飞机, 基于YOLO V3算法, 通过使用K-means算法对数据集进行聚类分析, 借鉴Densenet网络的思想, 将YOLO V3网络中的两个残差网络模块替换为两个密集网络模块, 改进为一种Dense-YOLO深度卷积神经网络结构。对改进前与改进后的网络进行训练, 分别选出使两个网络识别效果最好的权重文件, 针对高质量遥感图像与过度曝光、云雾遮挡等低质量遥感图像分别进行测试与分析。实验结果表明, 新改进的深度卷积神经网络应用在两种图像上效果均有提升。其中,改进的算法在高质量的遥感图像中准确率高达99.72%, 比原始算法准确率提升了0.85%, 召回率高达98.34%, 召回率提升了1.94%。在低质量遥感图像中准确率高达96.12%, 比原始算法准确率提升了5.07%, 召回率高达93.10%, 召回率提升了19.75%。

针对遥感图像中的飞机目标，本文提出一种遥感图像飞机的改进YOLOv3 实时检测算法。首先，针对单一的遥感图像飞机目标，提出一种有49 个卷积层的卷积神经网络。其次，在提出的卷积神经网络上应用密集相连模块进行改进，并提出使用最大池化加强密集连接模块间的特征传递。最后，针对遥感图像中飞机多为小目标的现实，提出将YOLOv3 的3 个尺度检测增加至4 个并以密集相连融合不同尺度模块特征层的信息。在本文设计的遥感飞机测试集上进行训练和测试，实验表明，该算法的检测精度达到96.26%、召回率达到93.81%。

针对大视场空间相机的像移补偿, 建立了基于坐标变换和姿态动力学的离轴三反大视场空间相机通用像移速度场模型。建模过程中考虑了离轴三反光学系统的离轴角对像移模型的影响, 推导了离轴三反大视场空间相机的像速场解析式。以某大视场空间相机为例, 分析了3种典型成像姿态下焦面像移速度和偏流角的分布特点, 研究了卫星姿态稳定度对相机成像质量的影响。分析表明, 卫星三轴姿态稳定度的降低会导致相机焦面动态传递函数(MTF)下降, 其中俯仰姿态稳定度对焦面动态MTF的影响最大; 并且随着积分级数增加, 下降会愈发明显。相机侧摆姿态成像时, 对卫星姿态稳定度的要求更高。以传递函数下降5%为限, 积分级数为96级的大视场空间相机, 要求卫星姿态稳定度控制在0.001(°)/s以内。实验结果验证了文中对卫星姿态稳定度的分析, 证明了像移速度场模型的准确性, 为大视场空间相机像移补偿提供了可靠依据。

分析了已有图像配准算法在遥感图像拼接配准方面面临的问题。根据空间相机TDICCD交错拼接的成像特点，提出了一种基于同名点轨迹追踪的成像拼接配准模型。通过建立辅助空间坐标系下的中心投影共线方程，将像点、摄像中心、景物点建立严谨的数学关系，可精确实现对同名像点在像面上的轨迹追踪。结合TDICCD在像面上的位置约束，计算图像上同名像对的纵向偏差像元数和横向偏差像元数。最后结合相机在轨所成条带图像和卫星辅助数据进行分析，选取多组像点进行配准，同名像对配准误差小于1 pixel，经验证模型算法可行。相比传统的遥感图像配准算法，该方法不需要已知图像内容，为一种严格的几何意义上的配准，具有很强的适应性和预测性，已应用在型号相机的地面复算，易移植应用于其他类型空间相机的图像配准与拼接。

针对大视场空间相机焦平面采用的多片CCD交错拼接, 提出了一种适用于多种姿态模式的重叠像元数解析计算方法, 以保证空间相机成像视场中不出现漏缝。分析了CCD交错拼接的成像特性和产生漏缝的原因; 基于空间坐标系变换和中心投影共线方程建立了重叠像元数计算模型, 对像点、相机摄像中心、地面景物点建立动态数学关系, 通过追踪像点在像面上的运动轨迹计算了拼接缝像元重叠情况。结合实际工程样例, 计算和分析了空间相机机动角度、星下点纬度、视场位置等因素对重叠像元数的影响, 并将各工况下计算的最多漏像元数作为最终拼接量。结果表明: 重叠像元数理论误差小于1 pixel; 对比侧摆, 俯仰成像时所需拼接像元数更多; 该计算模型可扩展应用于其他类型空间相机在任何姿态模式下的重叠像元数计算。