本文针对空间目标受到的太阳辐射、地球辐射、地球反照辐射，采用蒙特卡洛（Monte Carlo）法，基于非结构四面体网格编写了仿真程序，并对计算结果进行了对比验证。进一步地，对太阳同步轨道卫星受到的轨道外热流，采用带帆板的网格对有无遮挡情况下各表面受到的轨道外热流进行了分析。结果显示，在对地模式下考虑遮挡后，−Y表面平均热流值降低了53.79 W/m²，+Y−Z侧帆板表面平均热流值降低了32.05 W/m²。结合表面材料属性，分析了各表面的温度特性，并结合帆板温度的在轨遥测数据，验证了计算的准确性。最后，计算了两种模式下各方向的红外辐射强度。结果表明，不同观测模式下各表面受热流的影响不同，对地模式下各表面温度随时间变化较大，而对日模式下各表面热流较为稳定。两种模式下，太阳能帆板的温度较高，辐射强度较大，具有明显的红外特征，便于开展红外观测。

“黑飞”无人机一旦带有炸弹等物品，会对人们带来威胁。对在公园、游乐场、学校等复杂背景下“黑飞”的无人机进行目标检测是十分必要的。前沿算法YOLOv7-tiny属于轻量级网络，具有更小的网络结构和参数，更适合检测小目标，但在识别小目标无人机时出现特征提取能力弱、回归损失大、检测精度低的问题；针对此问题，提出了一种基于YOLOv7-tiny改进的无人机图像目标检测算法YOLOv7-drone。首先，建立无人机图像数据集；其次，设计一种新的注意力机制模块SMSE嵌入到特征提取网络中，增强对复杂背景下无人机目标的关注度；然后，在主干网络中融入RFB结构，扩大特征层的感受野，丰富特征信息以增强特征提取的鲁棒性；然后，改进网络中的特征融合机制，通过新增小目标检测层，增加对小尺度目标的检测精度；然后，改变损失函数提高模型的收敛速度，减少损失以增强模型的鲁棒性；最后，引入可变形卷积(Deformable convolution, DCN)，更好的根据目标本身形状进行特征提取，提升了检测精度。在PASCAL VOC公共数据集上进行对比实验，结果表明改进后的算法YOLO7-drone相比于YOLOv7-tiny，平均精度(map@0.5)提升了6%；在自制无人机数据集上进行实验，结果表明YOLOv7-drone与原算法相比，平均精度(map@0.5)提高了6.1%，并且检测速度为72帧/s；与YOLOv5l、YOLOv7目标检测算法进行对比实验，结果表明改进后的算法在平均精度(map@0.5)上分别高于对比算法4%、3.1%，验证了文中算法的可行性。

针对常规工业气体泄漏检测装置需泄漏扩散到一定范围并与传感器接触时才能响应的不足，提出一种融合结构重参数化变换的红外非接触式检测网络模型GRNet。GRNet模型采用Mosaic-Gamma变换的预处理方法增加泄漏样本数量并提高图像对比度以增强模型的鲁棒性；通过K-means聚类分析出适用于气体泄漏红外检测的候选框以预置模型参数；优化定位损失函数以提高模型对泄漏区域的定位准确性；采用改进后的轻量化网络RepVGG模块重构特征提取网络增强模型的特征提取能力，以实现轻量化并提高检测精度。实验结果表明，GRNet模型对氨气泄漏的平均检测精度达到94.90%，单张图像平均检测时间达到3.40 ms。采用伪色彩映射实现泄漏浓度的视觉感知效果，采用PyQt5将GRNet模型进行封装实现气体泄漏红外检测系统界面的可视化并在Jetson Nano B01嵌入式实验平台部署该模型，验证了实际工程应用的可行性和有效性，为开发气体泄漏非接触探测装置以保障涉气企业的安全生产和稳定运行提供一种有效的检测算法。

大视场光学望远镜是中高轨目标搜索的重要设备，在搜索图像中除中高轨目标外还存在恒星目标，对恒星目标进行辨识与抑制是中高轨目标检测的必要环节之一。考虑银道面附近天区、曝光时间差异以及多云遮挡等因素的影响，图像中的星场密度变化区间非常大，传统的恒星辨识方法在计算准确性与实时性方面均存在局限性，导致恒星虚警、计算超时等情况的发生。为解决该问题，提出了一种基于惯性坐标时域相对不变性的恒星辨识与抑制方法。推导了地平坐标系与惯性坐标系的数学转换关系，并由此构建了恒星辨识模型；在不同的静态系统误差条件下，量化分析了恒星目标的惯性坐标时域相对不变性；最后，开展了恒星辨识与抑制算法的仿真与实验验证。仿真与实验结果表明：在时间间隔为10 s、静态系统误差为10″的条件下，恒星的惯性坐标最大相对差异为0.51″（赤经），0.16″（赤纬），其时域相对不变性满足恒星辨识需求，辨识过程完全不依赖星场密度。经100圈次中高轨目标实测图像验证，本文方法未出现恒星虚警及中高轨目标检测缺失的现象。