为充分利用光学相关识别系统的空间-频谱带宽，提高光学相关识别系统的速度和精度，提出一种基于多通道联合变换相关器和综合鉴别函数的旋转和缩放不变性目标识别方法，并将峰值位置变化标准差作为识别判据。首先，分析以局域峰值杂波均值为相位优选约束条件时存在的问题，提出新的相位优选约束条件——峰值位置变化值，用于选择一定旋转和缩放范围内目标的公共相位，将公共优选相位用于多通道联合变换相关器并结合综合鉴别函数实现了旋转和缩放不变性识别；然后，分析了当目标缩小或综合鉴别函数集成训练图像数量增加时系统的识别容限；最后，分析了场景图像中背景发生变化时所提方法的适用性。研究结果表明，在设定的图像尺寸和背景复杂度条件下，所提方法能够在9通道并行处理的前提下对目标缩小60%、综合鉴别函数集成9幅图像的旋转和缩放目标进行有效识别，且对像素数变化不超过50%的背景具有较好的适应性，提高了目标识别的速度和精度，对多通道光学相关器的实用化具有重要意义。

为了充分利用光学相关识别系统的空间-频谱带宽,提高光学相关识别技术的并行处理效率和识别准确度,提出了基于功率谱压缩-平移算法的多通道联合变换相关识别方法,该方法将峰值位置变化的标准差作为相关识别的判据。在输入空间光调制器的不同区域加载场景图像和N幅参考图像,然后在图像上分别叠加经迭代算法优化的相位模板,使得场景图像的傅里叶谱和每一幅参考图像的傅里叶谱在频谱面的不同空间区域相干叠加。调节相位优化算法的约束参量,使得每个通道的联合变换功率谱互不干扰,可实现N个通道的并行处理。分析了不同优化相位的傅里叶谱的局域峰值杂波均值和相关输出的峰值位置变化标准差之间的关系,并将其作为相位优选的依据。研究结果表明,在所提实验和数值模拟参数条件下,多通道联合变换相关识别系统可以在不增加经典相关识别系统复杂度的前提下,实现16通道的并行处理,这对光学相关器的实用化具有重要意义。

前视红外海天场景图像中的舰船目标可能面临着信噪比低、尺寸差异大等问题, 为了更好地突出目标、抑制背景, 提出了一种基于多尺度局部对比度的前视红外舰船目标增强方法。首先分析了前视红外海天图像中的场景内容, 然后定义了一种新的局部对比度度量——相对区域对比度度量(RRCM), 通过改变网格窗口的尺寸构建了多尺度局部对比度度量(MRRCM), 最终得到了尺度不变局部对比度图像。实验结果表明, 所提方法可以适应前视红外图像中多类型多尺寸的舰船目标, 显著提高目标信号的信噪比(SNR)和信背比(SBR), 与其他方法相比, 所提方法的舰船目标增强效果更好, 尤其是对于暗弱目标区域;另外, 所提方法运算速度快, 并且可以借助并行处理和积分图像进一步加速运行。

为了有效地克服单波段前视红外图像中存在的点状杂波、 条状波浪以及局部高亮区域等随机杂乱背景的影响, 开展了基于多波段前视红外图像融合的海面杂乱背景平滑方法的研究。 充分利用多波段前视红外图像之间的互补性和差异性, 通过融合多波段红外图像的信息, 旨在平滑抑制海面杂乱背景并保持舰船目标的特征信息, 为舰船目标检测提供一幅优质的图像。 首先利用离散小波变换将多波段源图像分解为低频子带和高频子带, 其中, 高频子带主要包含了图像中背景以及舰船目标的细节信息, 低频子带主要包含了图像的亮度以及对比度信息; 对于高频子带, 在基于高频系数取绝对值最大法得到高频融合图像后, 计算每个像素的区域能量来对高频融合图像进行调制以抑制图像背景的细节信息而保留舰船目标的细节信息; 对于低频子带, 通过平均法融合低频子带并利用导向滤波对低频融合图像进行平滑滤波处理; 最后对高频融合图像和低频融合图像进行小波逆变换得到的重构图像即为融合图像。 对实际采集的多波段前视红外图像进行仿真实验, 将该方法与双边滤波、 导向滤波、 梯度最小化、 相对全变分、 双边纹理滤波和滚动滤波共6种图像平滑滤波方法进行对比。 结果表明: 所提出的方法通过有效地融合多波段图像的信息, 将空间域的平滑处理转换到频率域中进行, 能够很好地平滑海面随机杂乱背景并较好地保持舰船目标的结构、 灰度以及对比度信息, 大大增强了舰船目标的可分离性, 其图像平滑性能优于作为对比的6种方法。

现有的基于单个红外宽波段的海面舰船目标探测系统在面对复杂海天背景、 岛岸背景、 恶劣天气、 亮带干扰或诱饵弹干扰等情况时, 系统的探测率、 虚警率、 探测距离等性能指标均会受到严重的影响; 为此, 开展了基于多波段红外图像的海面舰船目标检测方法的研究。 通过中波红外多波段数据采集系统实际采集107组五个中波红外波段的图像; 波段1—5分别为3.7～4.8, 3.7～4.1, 4.4～4.8, 3.7～3.9和4.65～4.75 μm; 对多波段图像进行手动标注构建样本数据集, 其中, 正样本舰船目标298个, 负样本非舰船目标353个。 对于多波段红外图像, 首先进行PCA降维并采用选择性搜索算法生成初始目标候选区域; 针对候选区域中存在大量明显的非舰船目标区域的问题, 利用积分图像计算候选区域的局部对比度, 依据红外舰船目标的几何和灰度特征从初始目标候选区域中筛选出舰船目标可能性大的区域作为舰船目标候选区域。 然后对舰船目标候选区域进行拓展以融入局部上下文信息, 对于候选区域对应的5波段红外图像, 分别提取每个波段图像的稠密SIFT特征, 并将128维SIFT特征向量降为64维, 融入SIFT特征的空间和波段位置分布信息得到新的特征向量, 基于高斯混合模型对候选区域的特征向量集合进行编码融合得到舰船目标候选区域的费舍尔向量表示, 最后利用线性SVM分类器识别出舰船目标。 对多波段图像进行舰船目标候选区域生成实验, 所提出的基于红外舰船目标的几何和灰度特征的约束方法可以有效地克服选择性搜索算法的不足, 从初始目标候选区域中快速定位出舰船目标候选区域, 对25组多波段图像进行实验, 舰船目标候选区域生成的整体耗时为0.353 s, 定位舰船目标区域耗时0.005 s。 对100个正负样本进行目标识别测试, 所提出的目标识别算法融合了目标的多波段图像特征信息, 通过引入费舍尔向量挖掘了多波段图像梯度统计特征的深层次信息, 算法的识别率达到了0.97, 显著高于单波段红外图像的目标识别率。 对25组多波段图像进行舰船目标检测实验, 所提出的舰船目标检测方法能够在海天背景、 岛岸背景以及亮带干扰等不同场景下完成海面舰船目标的检测工作, 舰船目标定位准确, 舰船目标召回率达到了0.95, 每组多波段图像的平均检测耗时为1.33 s。 研究结果表明, 充分考虑海面舰船目标在红外图像中与局部海洋背景的辐射差异以及有效地融合舰船目标在多个红外波段图像中的辐射特征, 可以增强舰船目标的可分性, 提高舰船目标的识别率以及检测率, 为基于多波段红外图像的海面舰船目标检测提供了新的技术支持。

设计有效的特征向量是显著性检测方法的关键,决定了模型效果的上限,基于深度卷积神经网络和手工提取特征相结合的思路,提出了一种新的基于全局模型和局部搜索的显著性检测方法。在全局模型中,通过对VGG-16网络设计额外的卷积层进行训练,生成初始显著图,达到了从图像整体角度预测每一个候选区域显著性的目的。在局部优化模型中,设计区域对比度描述子和区域特征描述子对多级分割的超像素点进行描述,预测每一个区域的显著性值。最后,利用线性拟合的方法将两种模型中产生的显著图进行融合,得到最终的显著图。对4个数据集进行对比测试实验,实验结果表明,本文方法具有最高的准确率。

基于单源的图像显著性检测存在较大的虚警或漏检，文章提出了利用约简后的特征点和CPD算法对海面实拍船只图像进行多源图像匹配，获得图像间的变换投影方程并利用投影方程对单源图像的显著性检测结果进行叠加与虚警控制器分类，从而达到提高检测率与控制虚警的目的。显著性检测方面，文章分析了基于图等级多样性的显著性检测方法的不足和优点，引入了最大稳定区域检测方法对图像做前期处理，并对获得区域进行联合获得新区域，使得新区域能够最大限度地满足基于图的等级多样性显著性检测最优条件。对于检测获得的联合区域目标显著性不完整的情况，利用了区域的叠加性进行加权求和，最终获得了具有较好联通性的多舰船目标图像显著性检测结果。对于显著性检测结果中存在较大虚警的情况，文章进一步提出计算船只与浪花的多尺度分形维数，并结合Adaboost算法训练浪花虚警控制器。实验结果显示控制器能够消除一部分浪花带来的虚警，但是对于灰度与舰船极为相似的虚警无法消除。

从探测器的响应特性、光学系统的相对辐射和外壳的杂散光三个方面对红外成像传感器系统非均匀性的产生原因进行了理论研究。红外焦平面阵列中，探测元与探测元间的结构及材料差异会影响量子效率及暗电流，从而影响探测元的响应特性。光学系统主要通过光瞳畸变矩阵影响场景辐射通量的分布，光学系统本身的辐射对非均匀性的贡献可以忽略。外壳的杂散光可分为高温部分和低温部分，忽略低温部分，引入系统冷屏效率的概念，建立了高温组件的辐射模型。该理论研究对光学系统的设计及非均匀性校正具有一定的参考意义。