针对目前遥感相机输出通道多、数据率高和像素灰阶高等特点, 提出并构建了基于现场可编程门阵列(FPGA)并行处理技术的快视系统。该系统主要由存储单元、预处理单元以及高清显示单元等核心部件组成。存储单元采用FPGA直接控制大容量SATA磁盘阵列实现高速海量存储; 预处理单元实时对高速海量图像数据进行缩放、平移和数据融合等操作, 克服传统快视系统无法高速处理海量图像数据的技术瓶颈; 高清显示单元驱动3台12位显示器进行高灰阶、大幅面无缝拼接显示, 弥补以往对高灰阶遥感图像只能截断显示的缺陷。实验结果表明: 该系统存储容量达96 TB, 可对总速率高达19.7 Gb/s 的12通道12位量化遥感图像数据进行实时记录与无失真显示。系统工作稳定可靠, 易于扩展, 已成功运用于遥感相机的研制测试中, 大大提高了遥感相机的研制效率。

针对被跟踪目标在发生严重遮挡时采用基于自学习方法的在线Boosting算法易导致错误累积而产生“漂移”甚至目标丢失的问题，提出了一种基于子区域分类器的在线Boosting算法。首先，将特征池划分为多个子区域分类器对应的子区域特征池; 然后，在跟踪过程中自适应地选取子区域分类器来组成强分类器以剔除被遮挡子区域对目标定位的影响; 最后，采用对子区域特征池进行部分更新的方法有效解决了特征在线更新时的错误累积问题。对不同视频序列测试的结果表明，当目标大面积被遮挡时本算法能准确定位目标，目标大小为36 pixel×40 pixel时的处理帧率为15 frame/s。与传统在线Boosting算法相比，本算法对发生严重遮挡的目标仍能进行准确跟踪。

利用数字通信的压扩变换原理，提出了12位图像数据到8位数据的16折线等比分区映射方法，来实现在8位显示器上显示12位图像数据的信息。推导出图像信号的线性量化和非线性量化信噪比公式，对3种不同量化方法的信噪比进行了比较。结果显示，在小于35 dB处，8位非线性量化信噪比和12位线性量化信噪比一致；而大于35 dB时，量化信噪比平缓稳定上升。实验表明该方法能有效改善图像的弱信号,在8位显示器上清晰地观察到低亮度图像细节。虽然对图像的高亮度部分进行了压缩，但对图像细节和信噪比影响不大。该方法不仅适用于灰度图像，而且适用于彩色图像，实验效果与理论预期完全一致。

针对传统的分块跟踪算法计算量大，难以实时地对运动目标进行跟踪这一问题，提出了一种改进的分块跟踪算法。首先，为降低背景噪声对跟踪性能产生的不利影响，提出的算法对目标所在矩形窗口进行了更细致的划分；然后，根据目标运动信息确定搜索范围和搜索中心，采用分层次的自适应搜索算法，在每一层采用不同的搜索策略逐步逼近与目标模板最相似的位置，避免算法将时间过多地浪费在无效位置的运算上；最后，给出了改进算法在DSP上的实现和优化方法。实验结果显示，该改进算法能够在DM642上以30 frame/s的速度处理768 pixel×576 pixel的图像，与传统的分块跟踪算法相比，提高了跟踪精度，运算时间减小了约47.5%。该改进算法较好地解决了传统分块算法的缺陷，实现了在嵌入式系统上对运动目标的实时跟踪。

针对传统Mean Shift跟踪算法在目标发生遮挡时容易跟偏甚至跟丢的缺陷，提出了一种新的抗遮挡跟踪算法。首先，对跟踪窗口内的目标进行分块；然后，对外围子块分别实施Mean Shift跟踪算法并检测遮挡的发生，当遮挡发生后即对所有子块实施Mean Shift跟踪算法；最后，引入一种子块置信度机制并仅用置信度最高的子块来确定目标的最终位置，从而在目标发生遮挡时能有效剔除被遮挡子块对目标定位的影响。对不同的视频序列测试的结果显示，本算法能对发生遮挡的目标进行准确跟踪。当遮挡目标尺寸为70 pixel×100 pixel时，平均处理时间为38.6 ms/frame。结果表明，改进算法能够满足目标跟踪系统稳定性和实时性的要求。

为了去除相机拍摄的遥感图像中的云雾，提出了一种新的非局域均值算法来处理遥感图像序列中的云雾噪声。首先，根据遥感图像在云雾阴影下的梯度值的性质，得出了在云雾阴影下图像灰度值偏低而梯度值却变化不大的结论，从而在权重值的计算中耦合了梯度值信息。然后，利用序列图像的帧间冗余信息来计算新的权重值。最后，用新的权重值对图像进行恢复。用UltraCamD相机对在我国新疆地区和山西地区上空拍摄的两组遥感图像序列进行的实验表明:与传统的图像恢复算法相比，用提出的方法恢复图像可获得更好的图像质量；与原始图像相比，恢复后图像的峰值信噪比提高了9 dB以上。实验结果表明，该算法可以在不知道云层运动方向和相机运动方向以及噪声模型的情况下有效地对薄云雾覆盖的遥感图像进行恢复。

传统的Mean Shift跟踪算法在目标发生形变时会因跟踪窗不能动态改变尺寸而导致目标跟偏甚至跟丢，因此本文提出了一种新的跟踪窗口大小和方向自适应的改进算法。首先，采用跟踪窗口内协方差矩阵主分量分析法来计算跟踪目标的方向和尺寸大小；然后，联合相似性度量和卡尔曼滤波器来更新跟踪窗口的大小和方向倾角，使之适应目标的变化。实验显示，本算法可对不断旋转和缩放的运动目标进行准确实时跟踪，当目标尺寸在35 pixel×17 pixel到176 pixel×80 pixel之间变化时,平均处理时间为17.45 ms/frame,表明改进的算法能够满足非刚体目标跟踪系统的要求。

以钢板表面检测图像数据采集与处理的应用为背景，设计了3 GSPS(Giga Samples Per Second)超高速数据采集与处理平台。采用时钟双边沿采样的方式提高采样率，使得系统最高采样率达到3 GSPS，采用FPGA芯片解决了ADC采样后高速数据的采集与存储的难题。该平台的通用性以及灵活性较强，可在钢板表面检测图像系统中得到广泛的应用。

针对传统Mean Shift 跟踪算法对伪装目标进行跟踪时容易陷入局部最大值导致跟偏甚至跟丢的问题，本文首先采用联合直方图来增强对目标特征的描述，然后在跟踪过程中以目标背景区分度为原则，动态更改目标描述模型和通过调整联合直方图各部分的权重来自适应背景的变化，以保证跟踪此类目标的鲁棒性。实验证明，针对与背景相似的伪装目标，改进的Mean Shift 算法仍能对其进行有效准确的跟踪。

采用基于双线阵电荷耦合器件(CCD)的带钢对中/对边纠偏(EPC/CPC)测量系统,可以更好地解决带钢在运动中的跑偏问题.针对该测量系统,设计了基于89C51单片机和复杂可编程(CPLD)器件的硬件测量电路.文中详细介绍了该电路的设计思想和系统组成,同时提出了一种更好的边缘检测方案,并举例说明了CCD驱动器的用户控制脉冲SP和FC在工程实践中的应用.实验结果表明该测量电路完全满足设计要求.