针对基于深度学习的DeepLabV3+语义分割算法在编码特征提取阶段大量细节信息被丢失, 导致其在物体边缘部分分割效果不佳的问题, 本文提出了基于DeepLabV3+与超像素优化的语义分割算法。首先, 使用DeepLabV3+模型提取图像语义特征并得到粗糙的语义分割结果; 然后, 使用SLIC超像素分割算法将输入图像分割成超像素图像; 最后, 融合高层抽象的语义特征和超像素的细节信息, 得到边缘优化的语义分割结果。在PASCAL VOC 2O12数据集上的实验表明, 相比较DeepLabV3+语义分割算法, 本文算法在物体边缘等细节部分有着更好的语义分割性能, 其mIoU值达到83.8%, 性能得到显著提高并达到了目前领先的水平。

当星敏感器在动态条件下工作时, 在成像的过程中星点会因能量的分散而出现运动模糊现象, 导致图像的信噪比降低, 星点的模糊区域很难被提取, 从而降低了星点质心的定位精度, 严重影响星敏感器的姿态测量精度。为此, 文中提出了一种基于区域滤波的模糊星图复原方法, 在有效提高图像信噪比的同时可提高星点质心的定位精度。首先, 根据星敏感器的工作特性, 建立了不同工作条件下星点质心的运动模型。然后, 根据运动模型确定星点质心的运动轨迹, 进而提取星点的模糊区域, 再利用图像处理算法对模糊区域内外的图像分别进行预处理。最后, 利用图像复原算法对模糊星图进行复原。实验结果表明: 在2(°)/s的动态条件下, 区域滤波算法能够有效提高模糊星图的信噪比, 并且复原图像中星点质心的定位误差不超过01 pixel, 可以满足星敏感器对高质心定位精度的要求。

随着星敏感器探测灵敏度的提高, 导航星表中恒星的数量急剧增加, 导致星图识别的识别速度和识别率降低。因此, 为了提高星图识别的识别速度和识别率, 文中在三角形算法的基础上提出了一种基于多特征匹配的快速星图识别算法。首先, 采用天球的内接正二十面体法对预处理后的星表进行分区。然后, 将特征三角形的边长以及外接圆和内切圆半径的乘积作为特征值构建导航特征库, 并根据后者的哈希函数对特征库进行分块。在识别的过程中, 利用观测三角形外接圆和内切圆半径乘积的哈希函数实现导航特征库子块的快速定位, 并在该子块内采用多特征匹配的方法得到观测三角形的识别结果, 最后根据该结果确定星敏感器视场所包含的天球子区域, 并在子区域内完成视场中其它导航星的识别。实验结果表明, 文中算法的识别性能与导航特征库的分块数有关, 在选择合适的分块数后, 与常用三角形算法相比, 算法在识别速度, 识别率以及对星等误差和假目标的鲁棒性等方面具有明显的优势, 算法的平均识别时间和识别率分别为17.161 ms和98.58%, 满足星敏感器对高识别速度和识别率的要求。

针对熟练伪造签名识别正确率较低的问题, 提出了基于笔划三维深度特征的个人签名识别方案。首先采集不同书写者的真实签名及他人的套摹签名, 用高精度的体式显微镜分别对签名笔划进行扫描, 获取签名笔划的表面三维点云数据。然后通过高斯滤波器滤掉三维点云数据中的噪声, 计算签名笔划的平均深度、沿笔划方向深度标准差以及熵等统计特征。之后, 对数据集进行数据增强, 增加签名数据的数量。最后, 将签名数据分为训练集和测试集, 在不同训练比例下使用分类器(包括SVM、KNN、ANN)进行分类。实验结果显示, 本文算法在本地签名数据集上的最佳识别正确率为9869%, 优于大多数传统算法, 满足实际应用的要求。

导航相机是深空探测领域中关键的导航敏感部件, 本文通过提高导航相机的灵敏度来提高导航相机的综合性能, 特别是提高时间分辨率, 解决高动态条件下的目标探测问题。首先, 根据导航相机的工作模式和EMCCD的性能特点, 分析了影响导航相机成像质量的多个因素, 建立了目标信噪比理论分析模型; 然后, 在理论计算基础上, 重点研究EMCCD导航相机的样机设计技术, 说明了EMCCD高频高幅驱动、模拟前端设计、TEC真空制冷、时序控制与数据处理等关键技术的实现方法; 最后, 介绍了相关实验工作, 并分析实验数据。实验结果表明: 样机最大目标信噪比在倍增增益M=10时达到68.6 dB, 在口径13 mm条件下, 可在积分时间1 ms内实现对月球成像。基本满足深空探测导航相机高动态条件下短积分时间成像的要求。

生成式对抗神经网络在约束图像生成表现出了巨大潜力, 使得其适合运用于图像超分辨率重建。但是使用生成式对抗神经网络重建后的超分辨率图像存在过度平滑, 缺少高频细节信息的缺点。针对单帧图像超分辨率重建方法不能有效利用图像序列间的时间-空间相关性的问题, 提出了一种基于生成式对抗神经网络的多帧红外图像超分辨率重建方法(M-GANs)。首先, 对低分辨率图像序列进行运动补偿; 其次, 使用权值表示卷积层对运动补偿后的图像序列进行权值转换计算; 最后, 将其输入生成式对抗重建网络, 输出重建后的高分辨率图像。实验结果表明: 文中方法在主观及客观评价中均优于当前代表性的超分辨率重建方法。

针对低分辨率图像在配准过程中精度较低的问题, 提出了一种基于超分辨率重建的亚像素图像配准方法。首先, 对具有1至9像素位移的图像序列进行10倍降采样, 获取具有0.1至0.9亚像素位移的图像序列。然后, 根据图像的获取过程建立数学模型, 以Bayes理论为基础, 使用最大后验概率法(MAP)对亚像素位移低分辨率图像进行超分辨率重建, 获取高分辨率图像。最后, 使用具有亚像素配准精度的扩展相位相关法对图像进行配准。配准实验与噪声实验表明, 所提方法的最大配准误差为0.03 pixel, 能实现对低分辨率图像的亚像素级配准, 具有配准精度高、噪声抗干扰能力强等特点, 可同时满足可见光图像与红外图像的高精度配准要求。

为了解决传统算法中弹痕图像深度特征信息丢失的问题, 本文提出一种能够计算出弹痕图像深度特征参数信息的三维点云图像特征提取算法。该方法根据棱线斜率变化从局部极值点中找到特征点, 运用线性拟合法构建三角形对特征参数值进行计算, 确定弹痕特征参数值的相似范围, 通过利用相似范围对未知弹头进行判别, 实现弹痕和枪的一致性确认。实验结果表明: 所提出的算法在现有样本的条件下, 弹痕比对的正确识别率达到90%以上, 单组弹痕数据的转换、特征提取和参数计算共用时32.7 s。算法满足弹痕比对需求, 可以对后续弹痕比对提供可信依据, 具有一定的理论价值和实用意义。

传统的比色测温法通常利用可见光和近红外波段，对距离较近的高温目标具有较高的测量精度，而对距离较远的中低温目标无法精确测量。针对传统比色方法适用局限性，提出考虑大气和环境影响的红外比色测温方法，建立基于中波红外相机的比色测温实验系统。首先使用标准黑体进行中波红外相机和比色系统单波段定标；然后推导加入环境辐射参数的比色测量模型，进而建立新的目标辐射亮度比值与目标温度间的函数关系；最后，进行了实验室内自制灰体目标温度测量实验，验证了提出方法的可行性。实验表明：在实验温度范围内，温度绝对误差和相对误差分别小于4 ℃和6.7%，目标辐射亮度测量精度高于10%，考虑大气与环境影响的比色测温方法可实现中低温目标温度精确测量。

直升机载光电平台由于安装了阻尼减振器，使机体与光电平台间引入相对角位移，工程中将此角位移等效为简谐振动或直接忽略此角位移的存在，深入研究了角位移对直升机载光电平台目标定位精度的影响。首先，对安装阻尼减振器后的直升机载光电平台相对角位移特点进行介绍；其次，建立了目标定位误差方程；最后，仿真给出了此相对角位移对光电平台目标定位精度的影响。仿真结果表明，光电平台与直升机体间的相对角位移也是当前条件下影响光电平台目标定位的主要误差因素之一。