针对核相关滤波(KCF)算法在每一帧都更新的策略使其不能有效处理目标快速运动及干扰的问题,提出了一种基于增强阈值更新的核相关目标跟踪方法。其在平均峰值相关能量(APCE)的基础上,采用将APCE阈值与APCE梯度阈值相结合的方法来判断跟踪结果的可靠性,以决定模型是否更新。其中将APCE阈值反向加强,APCE梯度阈值正向加强,当APCE和APCE梯度都高于各自阈值时更新,否则停止更新。通过定量及定性实验表明,相对于KCF算法对目标快速运动及干扰等问题的处理,该算法更加有效,提出的以梯度检测跟踪性能及阈值增强的思想对跟踪算法的设计有很好的参考价值。

斜率算法对哈特曼-夏克传感器非常重要，而基于归一化互相关斜率算法的哈特曼-夏克传感器可满足强噪声情况下点光源和扩展目标的斜率探测需求。为解决互相关斜率处理器可移植性差的问题，提出用多核中央处理器(CPU)来实现斜率探测。在优化归一化互相关算法的基础上，编程实现斜率探测，并从多核并行和运算向量化两方面优化程序，提升斜率提取速度。当模板分辨率为9 pixel×9 pixel时，优化程序在Intel(R) Core(TM) i7-3770k四核计算机上运行，完成400 个15 pixel×15 pixel的子孔径斜率提取，用时约为340 μs。搭建了自适应光学系统，对优化后的斜率算法进行系统闭环测试。结果表明，使用多核CPU 的相关哈特曼-夏克自适应光学系统能在强噪声环境下进行有效的波前校正。

阐述了星地激光通信捕获、跟踪、瞄准(ATP)系统中光斑探测相机的作用。当相机的探测器上存在坏点时，光斑探测相机的虚警率和定位精度将受到影响。分析了面阵探测器的坏点种类与来源以及星地激光通信ATP系统光斑探测相机的特点。依据相机的特点提出了对应的实时坏点检测及校正方法。设计了基于STAR1000探测器的光斑探测相机，并在该相机中应用了实时坏点校正方法。对该校正方法进行了实验验证，实验结果表明该算法能够有效抑制坏点像元，并纠正其灰度值。由于该校正方法处理延时小且能够有效降低存在坏点时相机的定位误差，非常适用于星地激光通信ATP系统。

大规模自适应光学系统要求哈特曼-夏克波前传感器的子孔径数目巨大，这势必会增加波前斜率提取电路实现的难度。为了在大规模自适应光学系统中进行波前斜率提取，提出了一种相关算法的实现结构，以高斯光斑作为参考模板，通过两次级联滤波完成子孔径光斑之间的相关运算，并得到局部波前斜率。与多通道并行处理的实现结构相比，本文所提出的结构实现的硬件成本不会随着子孔径规模的增大而显著增加，特别适用于大规模自适应光学系统的波前斜率提取。实验结果表明：对于8×8 方形排布的哈特曼-夏克波前传感器图像，本文的结构用FPGA 内实现，在27 MHz 的工作频率下，完成一帧所有子孔径斜率计算的延迟为1.2 μs，均方根误差小于0.02个像素，最大误差不超过0.04 个像素。而资源消耗仅仅为925 个Slices。本结构能够满足大规模自适应光学系统中波前斜率探测高速实时和高精度要求。

针对在静止背景中运动的目标对所拍摄图像造成的局部运动模糊,建立了运动速度与图像上运动模糊尺度、目标距离以及曝光时间等相机参数间的对应关系,提出了一种局部运动模糊点扩展函数的参数辨识算法。目标运动方向信息由傅里叶频谱和Radon 变换得到。当运动模糊方向调整为水平后,经图像分割,改造的Prewitt 算子进行边缘检测,二值图像与边缘图像对应区域上各行进行自相关三个步骤,运动尺度由统计信息确定,并在此基础上完成目标速度的测量。实验结果表明,本文算法对形体较为复杂目标的局部运动模糊参数辨识具有良好的效果,实验测得的运动速度与实际平均速度的误差都在7%以内,有利于自动完成,具有较好的实时性。