实弹射击是部队的基础**训练项目。现有报靶系统中基于计算机视觉的弹孔识别定位系统由于具有快速、精确、安全、人员成本低等优点而被广泛应用到该项目中。然而，计算机视觉系统处理的图像通常受镜头加工工艺以及相机轴向与被测对象所在平面不垂直的影响，导致被测对象的图像产生畸变，最终会给弹孔坐标位置的精准定位带来误差。为了提高基于计算机视觉的自动报靶系统的报靶精度，提出一种基于卷积神经网络的畸变校正算法，只需一张胸环靶面的模板图像即可模拟出大量训练数据集。训练完成后，输入一张畸变图片就可以得到该图片的畸变参数，并利用该参数完成对图像的畸变校正。与传统校正算法的对比结果表明，该算法校正效果较好，有利于提升基于计算机视觉的自动报靶系统的报靶精度。

目前采用U-Net结构的去模糊算法存在细节损失、图像质量欠佳等问题，因此对U-Net进行改进，提出一种基于多尺度优化和动态特征融合的图像去模糊方法。首先针对细节损失，提出一种精简且有效的多尺度残差注意力模块(Multi-Scale Residual Module, MSRM)，通过增加特征尺度多样性来提取更精细的图像特征。此外，为了将更有利的特征传递到解码部分，在跳跃连接处设计动态特征融合模块(Dynamic Feature Fusion Module, DFFM)，采用注意力加权的方式选择性融合不同阶段的编码特征。该算法采用多尺度内容损失和多尺度高频信息损失进行约束训练。在GoPro和RealBlur数据集上的实验结果表明，这种方法能有效改善图像质量，复原更丰富的细节信息。与现有去模糊算法相比，本文算法在主观视觉和客观评价等方面均具有一定优势。

基于异形孔径光阑的成像系统像方光强分布计算对显微系统自动对焦、景深扩展等成像技术领域发展有极其重要的理论价值，而传统的菲涅耳衍射光强分布计算公式仅适用于轴对称孔径光阑，且在焦平面处光强分布的问题。利用标量衍射理论，通过结合频谱变换与正交分离，推导出适用于异形孔径形状、任意离焦量的像方空间光场强度分布数理关系式；并利用离散傅里叶变换原理，获得了基于异形孔径光阑的光学成像系统像方空间光强分布的数值计算表达式。在圆形孔径光阑、焦平面处，对获得的表达式与传统计算公式进行了对比计算与分析，两组计算结果完全一致。针对半圆形孔径光阑，在相同的系统参数下，在离焦量分别为0，4，8 μm三个像方位置处，数理模型理论计算的结果与实验测试结果基本一致。从而证明所推导数理模型的准确性，其可适用于任意形状的孔径光阑。

针对飞行员的飞行训练任务进行了飞机的稳定跟踪。为了解决远距离下飞机目标小、天气环境复杂、飞鸟干扰等问题，提出了一种基于深度学习和相关滤波的飞机跟踪测量方法。首先选取骨干网络并建立深度学习的算法模型，接着利用大量飞机图像得到用于实际场景的参考模型，再将模型检测到的特征与相关滤波结合，从而达到飞机的稳定跟踪效果并生成目标脱靶量。然后根据跟踪和脱靶量信息，开启激光器并利用激光测距原理来测量飞机的实时距离。最后进行基于光电经纬仪的飞机捕获与跟踪实验，以验证模型和算法的有效性和可行性。实验结果表明，通过深度学习和相关滤波获得的目标信息可以用于远距离飞机的捕获与跟踪，成功地消除了复杂环境和飞鸟的干扰，实现了飞机的稳定跟踪。

针对当前灰度图像彩色化算法容易出现色彩枯燥、颜色溢出和图像细节损失等问题, 本文提出一种结合全局语义优化的对抗性灰度图像彩色化算法。其中, 生成网络采用自主改进的U-Net网络。一方面, 改进的U-Net网络利用多层卷积对输入图像进行逐步下采样, 在获取多尺度层级特征和全局特征的同时, 在跳跃连接中将全局特征和多尺度层级特征进行自适应融合, 从而有效增强算法对全局语义信息的理解能力并缓解颜色溢出的现象; 另一方面, 改进的U-Net网络在上采样过程中融合通道注意力模块, 使得在提取卷积特征时能够有效抑制噪声并降低特征冗余性。判别网络主要采用全卷积结构, 通过反向传播误差以达到优化生成网络的目的。此外, 本文算法的损失函数将WGAN-GP网络的优化思想和颜色损失相结合, 从而解决传统生成对抗网络训练时出现的梯度消失和模式崩溃等问题。本文算法在Place365测试集上所获取的峰值信噪比、结构相似性和信息熵指标分别为24.455 dB、0.943和7.489。实验结果表明, 本文算法能够缓解颜色溢出, 且细节保持和颜色饱和度方面都具有一定优势。

针对全卷积孪生神经网络SiamFC在目标快速运动、相似干扰较多等复杂场景下跟踪能力不足的问题, 本文引入SINT作为再检测网络对SiamFC进行了改进。本文算法在跟踪响应图出现较多波峰时, 启用精确度更高的再检测网络对波峰位置进行重新判定。同时, 本文采用了生成式模型构建模板来适应目标的各种变化, 以及高置信度的模型更新策略来防止每帧更新可能对模板带来的污染。在OTB2013上对算法性能进行了测试, 并选取了9个主流的目标跟踪算法进行对比, 本文算法的跟踪精确度达到了88.8%, 排名第一, 成功率达到了63.2%, 排名第二, 相比SiamFC有很大地提升。对不同视频序列的分析结果表明, 本文算法在目标快速运动、严重遮挡、背景杂波、光照变化和长期跟踪等场景下具有较强的准确性和鲁棒性。

在对Facet模型的方向导数特征进行研究的基础上,针对红外弱小目标提出了一种利用局部方向相对极差计算显著性的方法,以快速有效地提取复杂背景下的红外弱小目标。基于弱小目标单帧检测理论,首先计算原始图像的Facet方向导数特征,然后在Facet方向导数特征图的局部内,沿着导数方向计算相对极差对比度显著图。通过对各个方向上的相对极差对比度显著图进行融合得到最终的显著性图像。最后,采用适当的阈值分割从该图像中提取目标。实验结果表明,本文算法对复杂红外弱小目标图像具有很高的信杂比增益和背景抑制因子。另外,该算法的计算复杂度低且可利用二维卷积加速计算,具有良好的算法实时性,适用于各种处理器平台的工程实现。

表面等离子体波导能够突破光的衍射极限,提供亚波长的模式局域性。由于其独特的性质,表面等离子体波导引起了广泛的关注。 但是,之前报道的各种表面等离子体波导基本没有涉及到波导结构的可调谐性。这里,我们提出了一种类楔形表面等离子体波导,用有限元方法(FEM)研究了 该表面等离子体波导的模式特性。该类楔形表面等离子体波导可以实现超深的亚波长的模式局域性,通过改变波导的结构参数,我们可以对波导的模式局域性和传输损耗进行调控。

提出一个混合双楔形等离子体波导, 该波导由两个楔形介质波导和一个菱形金属线组成.电介质楔形波导模式和长程表面等离子体模式的耦合使得该波导可以获得低损耗的传播和超深的亚波长的模式局域性.混合双楔形等离子体波导在得到一个532 μm的传播长度的同时可以得到一个2.9×10-3的超小的归一化模式面积或者在得到一个6.2×10-3的归一化模式面积的同时可以得到一个3028 μm的超长的传播距离.此外, 还研究了制作过程中可能存在的误差对该波导模式性质的影响.计算结果表明,该混合双楔形等离子体波导具有一定的制作容差性.

本文提出一种Gabor和灰度共生矩阵相结合的特征来检测叶片泵中叶片装配质量的方法。首先构建叶片图像数据集，用5种尺度的和4种方向的Gabor滤波器对图像滤波，根据滤波后的图像计算得到幅值特征图，然后提取幅值特征图的灰度共生矩阵特征，最后融合归一化各个幅值特征图提取到的特征，利用主成分分析法降维，并用这些特征向量训练支持向量机（SVM）分类器，实现对叶片装配质量的评估。将本文提出的混合特征与LBP特征、灰度共生矩阵分别进行了比较得到的分类效果约提高了约10%。基于Gabor和灰度共生矩阵混合特征的叶片装配质量检测准确率提升到了93%。实验结果表明Gabor特征和灰度共生矩阵结合后能够很好从多尺度、多方向上提取图像的纹理特征,并应用于图像分类取得了良好的效果，在一些图像识别上有很宽广的应用前景。