由于标注数据的短缺，对航天器多余物进行在线检测受到了较大的限制。文章研究了多余物的物理特性，在航天器的数字孪生系统中构建相应的多余物模型，提出了一种结合数字孪生技术增强的跨域自适应航天器多余物检测方法。该方法通过数字孪生技术获取航天器的实时数据，并借助于历史标注数据中的相似结构，以跨域自适应技术辅助实时在线推理的进行。设计了一种新型的跨域自适应模型，该模型采用共享网络结构以及门控机制，从而在复杂任务中更有效地挖掘先验知识，实现了跨域自适应技术与数字孪生技术的有机结合，以实现更高效、准确和实时的预测。此种方法可以全面地检测航天器各个部件的多余物状态。

在航天产品的研发制造过程中,多余物控制至关重要,尤其是多余物状态识别的环节,其核心在于如何有效提取高噪声图像中的局部特征。现有方法尚未针对多余物场景进行有效建模,通用的视觉模型往往会对噪声进行过度拟合,而无法有效滤除噪声信号。为此,提出了一种可学习滤波感知机。该感知机通过采用一种可学习滤波器来替代繁琐的自注意力机制,用以学习空间位置的交互作用信息。随后,引入了频谱掩模用于频域分量特征的抽取,以学习不同频段内的重点信息。实验结果表明,该方法在多余物识别中取得了96.7%的准确率,优于基于卷积和自注意力的模型,并且具有更低的计算复杂度。

针对云层背景下红外小目标检测难、可用数据集少的问题, 提出了一种基于混沌预测的检测方法。首先从云层背景的空间混沌特征出发, 采用径向基函数神经网络设计了混沌序列的预测模型, 并利用遗传算法优化网络参数, 提高预测精度。然后利用预测模型对图像像素序列的预测值与实际值之间的预测误差, 实现了小目标检测。最后通过实验验证了上述算法的有效性, 对测试样本的检测率为86.7%, 虚警率为0.86%。

大口径反射镜的光学面型在系统装调过程中会受到支撑点所产生的机械应力的影响;同时,在进行测试过程中,环境温度的变化也会导致光学面型发生变化。准确定位应力的发生位置、方向和大小将对解决大口径光学系统因应力变化而导致的波前变形起到决定性作用。结合模拟退火算法与集成分析技术,建立了反射镜面型与其各安装点应力之间的线性关系;通过模型仿真实现了对受力位置、方向及大小的精确识别,模型仿真对作用力大小的识别准确度可达75%以上。

为了实现天基红外遥感图像中的弱小目标检测，抑制复杂的结构背景，提出了二维空域廓线法。算法以一维时域廓线目标检测理论为基础，将其扩展到二维空域，应用于单帧目标检测。采用二维空域廓线可以获得背景估计，用原始图像减去背景图像可获得包含目标的前景图像。将本文算法与现有的单帧目标检测算法相比，可获得更大的 ROC曲线面积，表明提出算法优于同类算法。

杂散光抑制能力是光学系统的重要评价指标.红外光学系统不仅受到外部杂散光影响, 而且受到仪器内部杂散光影响.传统的“物-像”共轭光学系统的设计方法未能全面考虑杂散光的抑制问题.提出一种三重共轭光学系统的设计方法, 该方法设计出的光学系统具有“物-像”、“物-中间像”和“入瞳-出瞳”三重共轭关系, 具有同时抑制内部和外部杂散光的能力.基于该方法设计出一种离轴三反射式消像散光学系统, 该系统F/#=4、一维线视场7°, 离轴5度视场外点源透过率低于5×10-4, 系统冷屏效率达到96%, 并获得良好的在轨图像.

分析了闪元现象在红外扫描图像中的特点, 设计了基于时序多帧最大值投影的闪元检测与补偿方法.考虑到闪元仍然保留了一定的信息获取能力, 采用一维中值滤波的方法单独对闪元位置进行背景抑制, 对闪元补偿后的图像进行常规目标检测.实验验证表明, 经背景抑制后, 闪元位置平均目标信杂比可以达到常规位置的96%, 目标信息得到较好的保留.常规目标检测方法不再受到闪元噪声的干扰.

人体行为识别是计算机视觉和模式识别领域的研究热点之一。作为人体行为识别的一个重要分支, 人体异常行为检测近年来也不断得到学界及工业界的重视。人体行为识别研究从早期的依赖人体形状特征发展到基于梯度设计的特征检测, 再到当前随着神经网络的新发展, 深度学习开始广泛应用于行为识别。同时由于红外波段具有适应弱光照环境、可全天候检测等优点, 基于该波段的人体行为识别研究开始兴起, 它也必将成为人体行为识别领域中一个新的研究热点。

图像融合可以获取目标更加丰富的层次和细节信息, 有利于对探测目标信息的有效地获取, 在包括空间目标的三维重建等应用中有着重要意义。针对空间目标的宽动态范围提出了一种多次曝光的图像融合方法, 利用信息熵的非线性压缩判定图像融合权重, 并引入双边滤波残差加强弱纹理的分配权重, 有效地增加了图像的特征信息, 提高了三维重建点云的数量。利用提出的融合方法开展了空间目标模拟成像试验, 采用融合的图像对目标三维重建, 并与多种不同曝光程度以及采用其他融合图像的方法进行了对比, 提出的方法得到的重建点云数量相对恰当曝光状态提高了35%, 重建结果优于其他方法。结果表明: 将图像融合引入到三维重建中, 能有效地加强了重建图像信息, 避免了光照条件对目标三维重建的不利影响, 获得较高质量的重建效果, 该方法可以很好地应用到基于图像序列的空间目标三维重建应用中。