给出了一种红外搜索与跟踪(IRST)系统中红外指向器的设计方案,在分析了IRST系统及指向器整体特点的基础上,着重讨论了红外指向器各组成部分的工作原理及设计方案.红外搜索与跟踪系统要求目标搜索范围大、周期短、系统反应时间短,同时还要求体积小、质量轻,并尽可能降低成本.为了达到以上目的,采用了六棱台转鼓结合双面翻转反射镜扫描光路的方案,较好地达到IRST系统的各项指标要求.对伺服控制系统的设计是根据不同组件对速度、位置精度的要求选用合适的驱动电机、编码器与控制方法,力求满足精度要求的同时做到体积小、成本低.实验证明,此红外指向器技术先进,方案合理,其性能达到了IRST系统的各项指标要求,目标搜索实验效果良好.采用巧妙的设计方案有效解决了IRST系统大视场快速扫描与轻小型化、低成本化的问题。

从理论上研究了图像在发生亮度和对比度变化、镜像或转置变化时,其DCT变换后的矩阵元素之间具有相似性.并在该特性基础上,提出了基于DCT变换的自适应图像匹配算法.鉴于图像匹配标准和抗噪声干扰的鲁棒性,可以只考虑主要能量所存在的区域.另外,图像经过DCT变换后的主要能量集中在左上角,因此,只匹配DCT变换后左上角子矩阵,即可以满足匹配要求.实验证明该方法十分有效.

为了有效融合高度冲突的证据,提出一种新的基于证据距离的组合方法.首先引入了一个证据体距离函数,之后求出系统中各证据被其它证据所支持的程度,对支持度归一化后获得各个证据的可信度,并将可信度作为证据的权重,对系统中的证据加权平均后再利用Dempster组合规则实现信息融合.与其它方法比较,该方法在系统存在伪证据(干扰)时仍然能够有效快速地识别出目标.

图像奇异值特征矢量以其稳定性和它在转置、平移、旋转和镜像变换下具有的不变性,被认为是一种图像的代数特征,广泛应用于图像匹配和图像识别.通过矩阵运算,证明了奇异值特征矢量在图像做缩放变换时具有不变性,并将这种性质运用于图像匹配.实验结果表明这种不变性与奇异值特征矢量在图像做转置、平移、旋转和镜像变换时所具有的不变性一样,是奇异值特征矢量能够作为图像代数特征的一个重要依据.

分形特征参数对于自然背景和人造目标存在着本质差别,充分利用这些差别,能为目标检测提供一种新思路,就分形技术在数字图像处理领域中目标检测方面的应用进行了讨论.分形的应用总是以各种分形参数为中介,有时完全依赖于分形参数,有时将分形参数和其他参数相结合,有时将分形方法和其他方法相结合,在处理的不同阶段分别采用分形方法和其他方法.对几种分形特征参数的估算方法及其在目标检测中的应用进行了研究.

提出了一种基于神经网络学习特性和集合论的边缘分段算法(Merge-Split) ,优点在于它的分段间断点、自由度满足自适应性,能在学习过程中实现而不必事先规定;进一步提出神经网络拟合不连续的图像边缘的方法,在无边缘数学函数形式的情况下,充分利用其学习函数的任意逼近和自学习性进行拟合,实践证明该方法可以克服以往边缘拟合方法的不足.

为了提高强干扰条件下的红外弱小目标识别的可靠性,提出了一种基于多传感器时间-空间信息融合的红外小目标识别方法,并采用D-S证据合成理论对来自多个红外双波段成像传感器的实际图像信息进行了仿真融合计算.仿真结果表明该方法对强干扰条件下的红外弱小目标具有较高的识别效率.