针对现有点云配准算法不能很好地同时解决点云模型变尺度和配准精度等问题,提出一种变尺度的两阶段点云模型配准算法。第一阶段加入动态的尺度因子,粗略估计并调整目标点云模型的尺度;然后将空间旋转变换三个角度进行格点划分,以30°为格点间距,这提高了算法的收敛速度并避免陷入局部最优,为第二阶段配准提供良好的初始位置。在尺度迭代最近点(SICP)算法基础上对第二阶段进行优化,以此对点云模型进行更加精准的匹配。对不同配准算法进行了综合对比实验,结果表明,在两个点云模型间存在较大刚体变换且尺度显著不同的情况下,所提算法的配准误差数量级为10 -30~10 -4。

空间外差光谱仪单独进行面阵探测器校正无法满足系统级响应非一致性校正需求, 传统均匀光源照射和列平场等方法对空间外差光谱仪并不适用。 首先简要阐述了空间外差光谱仪传统挡光臂平场方法原理, 指出传统挡光臂平场方法存在测量单臂数据在光栅胶合后与实际干涉数据不匹配的问题, 不匹配形式包括像元级、 亚像元级平移和旋转。 针对实验室现有实验装置分析了平场系数配准精度的影响, 通过分析单臂数据不同偏移量与光谱偏差之间的定量关系, 得出本实验装置平场系数的配准精度需要优于0.1像元。 根据配准需求, 采用对数—极坐标变换求出旋转角度和相位相关方法进行像元级平移量计算, 通过基于矩阵乘法的DFT实现亚像元级平移量的估算。 最后总结了系统级平场方法的流程, 利用实验室装置对空间外差光谱仪系统级平场方法进行了验证, 通过对光栅位置的微量调整模拟实际胶合后干涉仪整体状态, 对模拟胶合后数据采用平场校正流程与单臂数据完全匹配下校正后的光谱对比显示, 二者之间光谱平均偏差为0.6%, 与不校正时4.1%的光谱偏差相比, 校正后光谱复原精度大大提高, 为后续进一步数据处理奠定基础。

针对空间目标检测对图像配准精度的要求，本文组合Fourier-Mellin变换和加速鲁棒特征变换(SURF)算法来实现对空间观测图像的精确配准， 并研究了该配准算法所涉及的变换模型、特征提取、特征匹配和配准精度等问题。该算法首先利用Fourier-Mellin变换计算图像旋转角度的整数值，根据整数角度将待配准图像反向旋转；然后利用SURF算法检测两幅图像的匹配特征点；最后利用最小二乘方法计算旋转角度的浮点值和平移量，而整数角度与浮点角度之和就是待配准图像的实际旋转角度。文中分析了SURF特征点检测与图像尺寸、DoH响应阈值以及尺度空间层数之间的关系。实验结果表明：提出的算法对图像旋转角度估计值的均方误差为0.0077°，50组实拍图像中星点质心均方误差的平均值为0.1353 pixel，能够满足空间目标检测对图像配准的精度要求。