为实现传统红外成像系统与红外偏振成像系统探测能力的比较，基于系统的最小可分辨温差和最小可分辨偏振度差，分别建立了二者的作用距离模型，讨论了非理想探测器的参数对系统探测能力的影响，并设计了相应实验，验证了建立模型的可靠性，为实际探测中不同应用场景下的成像系统选择提供了参考。

红外探测系统需要尽早发现目标以便及时拦截，但是红外图像上的小目标检测是一个挑战十足的任务。为了提高检测准确率，提出一种基于自适应对比度增强的红外小目标检测方法。为了利用自注意力机制和卷积各自的优势，设计了一个高效的特征提取网络和一个面向小目标的检测头。同时为了解决实际应用中出现的弱目标，在检测子网络前添加了一个图像预处理子网络，该模块可以自适应地调节图像对比度。在红外空中小目标数据集上的实验表明，提出的方法能达到93.76%的检测精度，与经典的检测方法相比，能够更好地平衡检测精度和召回率，证明了方法的巨大应用潜力。

针对现有遥感船舶数据集均为裁剪后的图像，用数据集训练的检测算法直接运用于卫星图像原始尺度时检测效果较差的问题，建立了可见光和近红外4个波段的多光谱卫星船舶数据集MMShip，数据集同时包含卫星图像的原始尺度数据和切割后的小尺度船舶数据。本数据集引入多波段信息，弥补现有数据集多为可见光图像，而可见光容易受到光照条件等影响的缺点。在全球海域内下载云量低于3的Sentinel-2卫星图像，进行大气校正后只选取10 m分辨率的红绿蓝和近红外4个波段，以景为单位筛选出包含有船舶的图像。把筛选后的图像按无重叠的方式切分为512×512，剔除其中不包含船舶目标的图像。然后，使用LabelImage软件对小尺度数据进行了水平框标注，再将标注数据反推至原始尺度得到原始尺度下的标注信息。最后，利用几种典型的检测算法在切割后的MMShip小尺度数据集上进行了可见光、近红外、多光谱对比实验。构建了一个涵盖不同场景的多光谱卫星船舶目标数据集，包含497景原始尺度标注数据和裁剪后的5 016组船舶目标图像。对比实验验证了近红外波段信息的补充有助于提高船舶目标检测算法的精度。多光谱船舶数据集MMShip可用于卫星图像尺度和普通图像尺度的多光谱船舶目标检测算法研究。

近年来深度卷积神经网络在可见光船舶检测方面取得了显著的进展, 然而, 大多数相关研究是通过改进大型的网络结构来提高检测性能, 因此加大了对更高计算机性能的需求。 此外, 可见光图像难以在云、 雾、 海杂波、 黑夜等复杂场景检测到船舶。 针对以上问题, 提出了一种融合红(red, R)、 绿(green, G)、 蓝(blue, B)和近红外(NIR)4个波段光谱信息的由粗到精细的轻量型船舶检测算法。 与现有的方法中根据光谱特性利用水体检测算法提取水体区域不同之处是该算法是利用改进的水体检测算法来提取船舶候选区域。 为获取更准确的候选区域, 对船舶、 厚云、 薄云、 平静海面、 杂波海面5种场景中4个波段的像素值进行了统计分析, 选取近红外大于阈值作为辅助判断, 并以其中心点获取候选区域32×32大小的切片, 并对切片进行非极大值抑制, 由此获得了船舶粗检测结果。 随后构建了轻量级LSGFNet网络对船舶候选区域切片进行精细识别。 构建的网络融合了1×1卷积提取的波谱特征与3×3的提取几何特征, 为防止光谱特征与几何特征的信息在融合时“信息不流通”, 在LSGFNet网络中引入了ShuffleNet中的通道打乱机制, 并减小了模型结构, 与典型的轻量级网络相比具有更好的效果且模型较小。 最后, 利用Sentinel-2卫星多光谱10 m分辨率数据构建了512×512大小的1 120组数据进行粗检测, 以及32×32大小的6 014组数据进行精细网络训练, 其中候选区域粗提取的查全率为98.99%, 精细识别网络精确度为96.04%, 不同场景下的平均精确度为92.98%。 实验表明该算法在抑制云层、 海浪杂波等干扰的复杂背景下具有较高的检测效率, 且训练时间短、 计算机性能需求低。

为解决传统偏振双向反射分布函数计算复杂、渲染实时性差的问题，基于微平面理论，提出一种更快速的偏振双向反射分布函数模型，并完成全链路的成像仿真。依据P-M海浪谱生成海面，设计了适用于偏振仿真的三维数据存储结构，讨论了探测器接收到的有效辐射并建立辐射控制方程，提出用宏观面元法向与探测方向中间向量代表微观面元平均取向的假设，改进传统P-G偏振双向反射分布函数模型。建立了海面与舰船的定向半球偏振反射率与发射率模型，最后对探测器进行建模，生成海面与舰船的图像，计算出偏振度图像，并与相近条件下获取的实拍图像进行了对比。结果表明，基于该仿真模型得到的仿真图像，与相近条件下获取的实测图像有良好的匹配度，证明了模型的准确性。

为了抑制测量误差对多目标双站定位的影响，本文充分利用目标短时运动航迹点时空分布特点，提出基于航迹最大密度估计的红外运动多目标双站定位方法。首先，基于双站测向射线高程差进行单帧多目标初匹配。然后，基于方向二维直方图，初步估计出目标航迹方向；以此为搜索起点，开展基于Mean Shift的目标航迹方向最大密度估计。最后，基于目标航迹方向进行航迹点真假检验，抑制测量误差对目标定位结果的影响。实验结果表明：本文方法不仅能有效剔除误匹配点，而且能抑制误差偏差点；航迹最大拟合误差小于0.5 m，平均拟合误差小于0.3 m，优于其他算法；对于既有误匹配点又有误差偏差较大定位点的目标，相比于直方图法，本文方法最大拟合误差降低幅度大于50%，平均拟合误差降低27%。本文方法能有效抑制定位误差，在目标三维定位及预测、打靶训练评估等军民用领域具有重要价值。