针对BP神经网络在双目相机标定时受到初始权值和阈值的影响，提出了一种基于改进遗传算法优化BP神经网络对双目相机进行标定的方法，通过对遗传算法的交叉和变异概率进行改进，采用世界坐标值直接对比度使得数据更直观，实验证明可以获得更高的精度。

针对传统光电成像设备存在体积大、质量重和成本高的问题,基于计算成像全局性优化的思想将光电成像全链路上的光学系统设计和图像复原两个独立设计的“节点”进行一体化考虑。首先深入分析不同几何光学像差的图像复原难度,然后通过光学-图像全局性自动优化迭代的方式来设计易于图像复原算法处理的光学传递函数,最后对全局优化单透镜和三透镜的光学系统输出模糊图与其复原质量进行分析评价。结果表明,相比于光学输出模糊图,复原图像的对比度、清晰度和边缘保持系数均有一定提升,说明利用全局性优化的思想恢复光学模糊图像的思路是可行的,可将光学像差的校正压力分配给图像复原过程,降低光学系统的设计压力,从而简化光学系统结构。

作为影像位姿解算的传统方法,光束平差法已被广泛应用于倾斜航空影像定向任务;但其高度依赖良好初值的限制条件,导致在导航系统缺失或者导航精度有限的飞行任务中常发生收敛缓慢或收敛失败的问题。因此,为了在初值质量不佳或缺失的情况下进行有效迭代,提出了一种基于局部到全局优化策略的倾斜图像定向方法来提高优化迭代解算的鲁棒性。所提方法首先根据最大重叠原则来构建“局部地图”(由1个正视图像和4个斜视图像构成),然后通过优化这些局部地图来形成“全局地图”。在局部地图中,图像同名点用作约束优化的观测值,以此来获取每个局部地图的未知参数和对应的权值矩阵(信息矩阵)。在全局地图中,局部地图的变量估计值及相应的权值矩阵一起构成全局优化问题的观测量和权值。通过一组大型仿真数据集和一组小型国际上公测的真实数据集,对所提方法进行了测试。实验结果表明,与传统方法相比,所提方法在精度不丢失的前提条件下,收敛速度和收敛性更优。

针对大型曲面的三维重建和形变分析技术现状,提出了一种基于双目结构光系统的曲面动态测量方法。在曲面重建过程中系统可自由移动,通过视觉定位方法恢复系统的移动路径。为保证曲面重建的精度,利用全局优化方法将各个位置提取的结构光点云统一在全局坐标系下,有效避免了位姿计算过程中的误差累积,得到了高精度的曲面形貌。将两次测量的全局坐标系位姿进行统一,利用高精度姿态传感器及静态基准点计算两次测量过程中全局坐标系之间的相对位姿。实验结果表明,该方法快速有效,且曲面形变测量相对误差在0.12%以内。

为满足大口径反射镜在复杂空间环境下对高面形精度和热稳定性的要求, 针对某Φ 660 mm口径反射镜进行了轻量化研究。提出了一种采用经典理论公式创建反射镜初始结构, 结合灵敏度分析和参数优化进行综合设计的方法。首先构建了反射镜参数化模型, 采用灵敏度分析研究镜体结构参数对面形变化的影响规律, 找到对镜面面形RMS值灵敏度高的结构参数进行优化迭代。相比于传统反射镜结构设计方法,此方法缩小了优化设计空间, 节约了计算成本与时间, 能够在设计空间内全局寻优, 较快收敛于最优值。优化后反射镜在自重载荷工况下镜面面形PV值小于?姿/10, RMS值小于?姿/40(?姿=632.8 nm), 镜体质量为13.6 kg, 轻量化率达78.4%。镜体组件一阶频率为121 Hz, 满足反射镜动态刚度要求, 根据优化后的结果建立了反射镜的最佳结构模型, 并进行了投产制造。

滤波器在提取高光谱图像空间纹理信息时往往容易陷入局部的特征提取。针对这一问题,提出一种自适应流形滤波的高光谱图像分类算法(AMF-SVM)。该方法采用自适应寻优,先计算第一个流形,然后根据流形树高度进行递归投射、平滑和聚合处理,结合处理结果对高光谱进行线性滤波,得到较好的空间特征,并由支持向量机(SVM)完成分类,最后获得最优的分类结果。实验表明,相比使用光谱信息、高光谱降维、空谱信息结合的SVM分类方法,边缘保持滤波以及递归滤波的方法,AMF-SVM对高光谱图像的分类精度有较大提高,充分说明了该方法的有效性。

针对雾、霾等强散射环境下相机拍摄图像严重退化的问题，提出了一种降低雾霾环境对图像质量影响的图像去雾重构方法。基于雾天偏振成像模型，分别估计图像每个区域的重构参数，获取全局最优的重构参数。利用偏振滤波的方法估计雾天大气散射光的偏振度分布，利用自适应亮通道方法计算无穷远处大气散射光的强度分布，从而重构出去雾图像。最后，利用偏振度的纹理信息对重构图像进行增强。该方法考虑了图像中不同位置大气杂散光参数的不一致性，对图像每一区域的重构参数分别运算, 从而获得全局最优的重构参数图像。该方法还不要求图像必须包含天空区域，并且具有对灰度图像的处理效果较好的优点。

为了进一步提高相机参数精度, 简化标定过程, 在张正友平面标定算法的基础上, 提出了一种较简单的5点标定算法。本文利用一个矩形作为标定模板, 将其4个角点和中心点作为待匹配点。仅利用不同角度拍摄的10(10~20幅均可)幅图像, 即可求解全部相机内外参数。首先, 为了减小数据对结果的影响, 对获取的5个点的图像坐标进行归一化, 将点坐标控制在以原点为中心, 2为半径的圆内; 其次, 相机成像模型未考虑畸变, 考虑到单应矩阵可能会有零元素, 故按照9个自由度来求解; 再次, 求解出相机的内外参数, 将求得结果的平均值作为非零因子λ的值; 最后利用Levenberg-Marquarat(LM)算法对所有内外参数进行整体优化。选用不同噪声水平的模拟实验和真实图像进行测试, 结果显示该算法比张正友棋盘格算法的精度要高。

为实现双波段红外图像的精确配准，针对云层背景红外光谱辐射特性不一致、采用不同传感器等原因导致大量外点存在的情况，提出了一种引入外点剔除机制的异源图像配准方法。先利用稠密SIFT流对外点进行鲁棒性估计，然后以归一化相关系数作为代价函数，采用基于梯度的方法实现了双波段红外图像的精确配准。实验结果显示，通过剔除外点的方法，能使配准参数快速收敛于全局最优，对相关性较差的双波段红外图像仍能保持较高的配准精度。