长波红外探测器经常被用于机载红外预警系统中, 常受严重的非均匀性噪声干扰。为了校正探测器的非均匀性, 补偿辐射响应非线性, 提出了一种基于梯度场景的非均匀性校正方法。给出了探测器辐射响应非均匀性的观测模型; 以标准黑体和梯度场景作为参考源, 在理论上推导出校正系数表达式; 利用原理样机进行了外场实验, 并探测民航客机目标。实验结果表明：与基于黑体的两点校正方法相比, 利用本文方法进行非均匀性校正后的图像, 局部标准差峰值由8.57降低到2.39; 对于相距50.64 km的空中客车A319型客机, 目标的信杂比由4.87提高到11.22。本文算法可以有效降低图像局部标准差, 适用于机载红外预警系统。

多片CCD拼接遥感成像系统由于存在非均匀性问题, 导致遥感图像中常存在条带噪声, 本文在分析条带噪声的主要来源和模型的基础上, 提出了多尺度变分模型的条带噪声去除方法。首先, 分析了条带噪声的特点并建立了图像退化模型。其次, 结合条带噪声的单向性特点与多尺度分层分解方法构造能量泛函。然后, 利用不动点Gauss-Seidel迭代法多尺度分级极小化能量泛函, 将条带噪声和图像有用信息分离。最后, 对各尺度结构分量和细节分量进行累加, 得到去噪图像。实验结果表明: 对于周期条带噪声, 图像畸变量为2‰, 图像辐射质量提升到11.715 dB; 对于随机条带噪声, 图像畸变量为3.3‰, 图像辐射质量提升到11.092 5 dB。与典型条带噪声去除方法相比, 不管是周期条带噪声还是随机条带噪声, 本文方法均能够在保证畸变量很小的情况下, 将其完全去除, 满足遥感图像低畸变量的预处理要求。

为快速、准确地识别图像中的目标, 提出一种结合图像熵和加速鲁棒特征算法的目标自动识别方法.首先, 分块计算图像的信息熵, 根据阈值筛选出纹理丰富区域.然后, 结合Hessian矩阵和Harris算法提取纹理丰富区域的局部特征点.接着, 计算特征向量并用主成分分析降低向量维数.最后, 采用双向最近距离比例匹配算法进行分类, 并用随机抽样一致算法剔除误匹配点.实验结果表明：对仿真数据库中带有视角、光照和尺度变化的图像, 识别率分别为87.12%、75.31%和84.98%, 平均识别时间分别为70.35 ms、71.27 ms、220.63 ms;对含8956×6708像素的航空大面阵图像, 正确匹配率为78.13%, 识别时间为68.09 s.本方法识别率和时间性能均优于加速鲁棒特征算法.