为了提高景象匹配中基准图制备的效率和可靠性,对遥感影像图源的可匹配性进行分析,提出一种基于独立成分分析的遥感影像可匹配性度量方法.利用独立成分分析提取纹理基函数,并计算其概率分布,确定可匹配区域；然后定义可匹配区域所占面积比例指标、离散性指标和稳定性指标；最后,利用三个指标构建遥感影像可匹配性度量模型.实验表明,该遥感影像可匹配性指标与实际匹配概率相关性强,提高了基准图制备的可靠性,能够满足景象匹配图源筛选的实际需求.

为了提高基准图制备的有效性, 研究了遥感影像的可匹配性, 并针对点特征提出了基于兴趣点度量遥感影像可匹配性的度量指标。首先, 利用非下采样Contourlet变换的高频系数提取图像的局部极值点作为兴趣点; 然后, 利用兴趣点的高频系数和方向特性定义兴趣点的幅值特性和结构特性。最后, 分析兴趣点幅值特性和结构特性与实际匹配概率的关系, 构建可匹配性度量指标。实验结果表明, 可匹配性度量指标与实际匹配概率的线性相关性高于0.9, Spearman相关系数高于0.85, 评估结果准确性高、单调性好。利用该指标对图像可匹配区域进行筛选, 其制备的基准图的平均匹配概率大于95%, 比传统方法提高了15.4%, 改善了基准图制备的效率和可靠性。

为了提高基准图制备的有效性，需要对前期遥感影像的可匹配性进行预测.在边缘特征中，提出基于块逆概率差纹理基元共生矩阵的遥感影像可匹配性度量方法.首先，利用边缘密度将遥感影像分为不可匹配区和潜在可匹配区，并从潜在可匹配区选取部分图像样本作为训练集；其次，对样本图像构建块逆概率差纹理基元共生矩阵，计算边缘特征向量；再次，利用仿真实验计算样本图像实际匹配概率，采用支持向量机回归方式利用边缘特征向量构建匹配概率预测模型；最后，对整幅遥感影像采用匹配概率预测模型预测匹配概率.实验证明，该方法预测的匹配概率与实际匹配概率平均平方误差低，平方相关系数强，并且对于灰度校正后的同一卫星遥感影像其预测模型是通用的，不仅能满足遥感影像可匹配性度量需求，并能对匹配算法选择提供决策支持.

前视红外图像质量对于目标检测与跟踪算法能否准确定位目标具有十分重要的作用。目前对自动目标识别领域前视红外图像质量的研究大都与场景内容相关, 而忽视了成像降质效应对图像质量的影响。本文通过分析噪声和模糊两种降质效应的成因, 结合前人的模拟方法, 得到了高性能前视红外成像设备获取的图像中噪声和模糊模拟的新方法。将该方法用于分析不同程度噪声和模糊对图像质量的影响, 结果显示, 噪声对于图像质量有害, 而模糊对于图像质量并不一定有害。基于这一结论, 采用去噪方法对前视红外图像进行预处理。对比实验结果表明, 该方法比去模糊方法能更有效地提高匹配概率。

针对用前视红外(FLIR)目标法识别复杂地面时, 存在无直接可用基准图、背景干扰严重、目标与背景灰度差异小等问题, 提出了一种基于区域模糊阈值的目标识别方法。首先, 在建立多尺度空间的基础上, 设计多阈值算法, 生成显著图; 其次, 引入基于图像模糊率的区域模糊阈值方法, 改进Itti模型, 构建候选目标筛选模型; 最后, 对检测结果运用积分归一化积相关(Nprod)算法进行精匹配, 确定识别目标。实验结果表明, 与Hausdorff距离算法相比, 该识别算法匹配率提高了近20%, 花费时间缩短了3/4; 与积分Nprod算法相比, 提出的算法匹配率提高了近40%, 时间缩短了1/2。结果显示, 对于复杂背景的前视红外目标, 该方法具有匹配率高、速度快、精度高等优点。

针对目前效率最高的斑点检测算法—Fast Hessian算法的运行速度还无法满足目标识别与跟踪等对图像实时性要求较高的技术应用的问题, 提出了加速的Fast Hessian多尺度斑点特征检测算法来进一步提升Fast Hessian的运行速度。该算法从减少算法过程中滤波运算量的角度入手, 有选择地计算每个Octave首末两个尺度层中的采样点值; 与原算法在这两层中求取所有采样点值的方法进行比较, 提出的算法明显降低了滤波运算量, 从而缩短了斑点检测过程的耗时。实验结果表明, 加速的Fast Hessian算法在斑点检测结果上与原算法一致, 而运行速度比原算法提升了近40%, 因此更加适合实时应用。

太阳作为最主要的红外辐射源，对研究目标红外辐射特性具有重要的影响。对目标表面太阳辐射特性进行了详细地分析。首先，给出了表面太阳辐射的计算方法；其次，对影响表面太阳辐射的两个重要因素——大气特征和太阳与目标相对位置进行了详细分析；最后通过实验得出了太阳辐射与太阳角、目标表面方位角和斜面倾角的关系。给目标表面红外辐射特性的研究提供了理论基础和实验依据。

为了解决圆柱形物体的红外辐射温度场问题，对二维空间中的圆柱温度场进行了研究。首先通过建 立数学模型对其进行简化和整理，然后通过对二维求解域(圆域)进行网格剖分，提出了将二维问题简化为一维问题的方法。在 此网格中，先用有限差分法使微分方程离散，得出关于温度的方程组；接着分析边界条件，建立边界微分方程，并使用迭代法进行 数值解算。最后，利用边界条件和初值条件求解线性方程组，得出相应结果。实验表明，该方法得出的结果与实际相符。

针对可见光与红外图像差异较大导致的匹配困难的实际问题,提出了一种基于蒙特卡罗估计改进Hausdorff距离(MCM-HD)的景象匹配方法.该方法在MCHD的基础上,使用蒙特卡罗方法来估计改进的Hausdorff距离(M-HD),并定义了MCM-HD,即采用随机抽样的特征点子集来计算MHD,从而有效地减少了计算量.为了提高匹配精度,采用分层MCM-HI)与Nprod相结合的方法,在求出距离最小κ个点之后采用Nprod相似性度量得出最终匹配位置.与MCHD算法相比,该算法有效提高了匹配精度,同时缩短了匹配时间.

介绍了海洋表面合成孔径雷达(SAR)图像的舰船尾迹检测算法.该算法首先对图像进行对数变换,将乘性噪声转化为加性噪声,然后对图像进行非亚采样contourlet变换,根据变换后的像素均值对变换系数进行调整,以便去除噪声和提取尾迹轮廓.接着对经非亚采样contoulet调整后的图像进行局部Radon变换,即在对像素积分过程中沿着线性特征被分割后的若干短线段进行积分,而非对整幅图像进行积分.最后通过采用形态学膨胀和腐蚀的方法将临近的分离短线段连接起来便于后续的处理.采用该算法对实际SAR图像进行舰船尾迹检测,结果表明:该算法在背景噪声很强时仍能检测出略微有弯曲的尾迹信号.