介绍了红外成像波门形心跟踪算法的原理，通过建立跟踪误差模型，讨论分析了红外成像波门形心跟踪算法的误差，当误判概率越小，波门内目标像素越多，背景像素越少时，形心跟踪误差越小；当信噪比越大，相关搜索的次数越少，相关运算的像素总数越多时，正确匹配系数越高。试验证明，该算法不仅能减小跟踪误差，而且能提高跟踪的精确度和稳定性。

为了提高光学联合变换相关识别的综合性能,提出一种基于SONG 相关的参考图像相移相位编码条纹调制畸变不变联合变换相关器。该相关器引入SONG 相关技术和SDF 方法,具有更加突出的抑制干扰信号能力、抗噪声性能和多目标识别能力,通过修正SDF 的约束条件,当输入图像存在多个畸变目标时,能够较好地实现相关输出的畸变不变性。仿真实验结果表明：当输入图像受到非覆盖性背景噪声影响时,该相关器在整个测试噪声强度区间内输出相关峰强度和峰噪比分别是引入SONG 相关技术前的1.87~5.16 倍和1.88~5.19 倍,其平均偏差量能够基本维持在0.04 以下;当输入图像受到替换噪声影响时,该相关器在大部分测试噪声强度区间内都能给出较高的相关峰强度和峰噪比,在噪声强度不高于0.4 时,其平均偏差量能够低于0.1。

针对目标部分被树木遮挡时造成的识别困难,提出了基于成像激光雷达(Ladar)的自动目标识别算法。介绍了采用的数据分类、数据拼接、目标姿态调整和基于高度直方图的目标识别等方法的操作步骤。应用图像处理技术对场景数据进行分类,实现地面、目标和树木的分离;利用图像帧之间内在的相关性,采用“由粗到精”的方法求出数据变换矩阵并进行数据拼接;根据目标位置的法线方向进行目标姿态调整得到目标高度直方图。最后,将采集的目标高度直方图同存储的模型高度直方图进行匹配,识别出目标类型。实验结果表明:目标提取部分占目标总面积的90%以上,对目标的识别率高于99%,基本满足自动目标识别算法的稳定可靠、识别率高、抗干扰能力强等要求。

提出了一种基于振幅调制纯相位滤波器(AMPOF)的旋转不变识别新算法。该算法充分利用振幅调制纯相位滤波器区分能力强的优点,结合综合鉴别函数方法,拓展了综合鉴别函数(SDF)在畸变不变模式识别领域的应用。利用各幅训练图像傅里叶变换的振幅和相位信息,逐一构建成子滤波器,并将它们加权求和得到合成滤波器;然后采用迭代算法求解出合理的权重系数。仿真实验结果表明:对于实验采用的目标训练图像和非训练图像,改进算法的相关输出峰值大约提高95%~112%;对于只有少量像素的局部训练图像,改进算法的相关输出峰值大约提高74%。这种优化算法使得振幅匹配和相位匹配更加充分,相关输出增益明显增强,能够一定程度地降低训练量。

综合应用多传感器图像灰度分布特征和分形维数特征进行目标检测、应用动态边缘演化提取目标轮廓，有效解决了复杂场景多目标分割的难题。首先根据图像的内在属性应用指定直方图进行图像增强，随后分别对可见光图像应用分形维数特征、对红外图像应用最大熵法、对激光雷达图像应用局部阈值法进行兴趣区域提取；再将各传感器图像获得的兴趣区域进行交叉验证，进一步排除背景干扰；最后把经过综合处理的目标轮廓估计作为初始生长曲线应用动态边缘演化技术最终确定目标边缘。对大量的复杂场景多传感器图像测试表明，本文提出的方法较好地保留了目标的形状特征，是一种有效的多目标分割技术。

提出一种基于振幅调制纯相位滤波器(AMPOF)和片状正交非线性广义(SONG)相关的畸变不变光学相关目标识别算法。利用振幅调制纯相位滤波器区分能力强的优点, 结合综合鉴别函数(SDF)方法, 提出基于振幅调制纯相位滤波器的畸变不变识别算法, 达到明显优于传统综合鉴别函数方法相关输出效果的目的。在此基础上引入SONG相关技术, 利用其突出的区分能力和抗噪性能, 结合这两种非线性滤波技术, 得到能够很好地兼顾多项性能指标的畸变不变识别算法。仿真实验结果表明, 算法既提高了相关峰输出质量和多目标区分能力, 又具有很强的抵御噪声能力, 在输入图像被噪声严重破坏的情况下, 识别度仍然能够达到97%以上。和其他结合SONG相关的畸变不变识别算法相比, 该算法目标识别性能更为优良, 且更实用、广义。

综述目前评价激光光束质量的几种方法。讨论了各自的定义、优缺点,以及在高能激光**系统中的适用性。结合实际说明光束质量在高能激光**系统中的应用,得出了一些有益的结论。

介绍了激光成像雷达应用于制导系统中的优势,提出应用仿真技术辅助外差式激光成像雷达制导系统设计的方法.分析了激光成像雷达制导仿真系统的四个主要组成部分:光学部分、数据处理部分、通用库部分和稳定跟踪部分.结合不同环境、器件性能对系统的影响,具体分析各部分的模块并给出多种数学建模方案.最后指出该系统需要进一步完善的功能.