在现有的高分辨率、大尺度目标遥感图像的检测中,传统方法由于提取特征手段单一、速度慢而无法快速并准确地从光学遥感影像中实现机场目标的识别。受人类视觉系统层次认知的启发,提出了一种适用于中高分辨率光学遥感影像的机场目标检测网络(CLRNet)。首先构建深度残差块,并将其作为特征提取网络;然后基于生成的样本核心集,采用连续学习方式从海量遥感数据中逐次迭代,精调机场检测模型;经过连续学习得到了鲁棒性强、遗忘度低的检测模型,该模型可以准确快速地从海量复杂背景下的光学遥感影像中识别出机场目标,而且对薄云遮挡以及卫星拍摄不全的机场有较好的识别效果。选取国产吉林一号卫星影像数据集进行测试,结果表明:所提方法的检测精度mAP(IoU不小于0.5)可达0.9613,每景的检测时间为0.23 s。

联合像元谱段信息与空间结构特征,提出一种适用于多光谱遥感影像像素级分类的多层感知卷积神经网络(MPCNet),并基于吉林1号光谱卫星(Jilin-1GP)影像,在印度纳西克研究区对地表覆盖分类算法进行性能测试。为保证实验的高可靠性,在相同时间段结合Landsat8、Sentinel-2A及HJ-1A影像进行同步分类来定性与定量评估。除此之外,选取三个当前流行算法支持向量机(SVM)、LightGBM、浅层卷积神经网络(CNN)进行算法性能比较。实验结果表明,在Jilin-1GP影像上的总体分类精度可达94.0%~95.8%,Kappa系数达到0.932~0.948。相比准确率较高的浅层CNN,MPCNet的总体分类精度提升3.7个百分点。

针对亚米级高分辨率遥感影像中机场识别算法存在的定位精度和识别准确率低的问题，提出了一种基于深度卷积神经网络的高分辨率遥感影像机场识别算法。首先，使用双三次插值算法对原始影像进行下采样处理并转为灰度图，进行模糊增强以得到预处理图像。其次，利用Canny算子提取灰度图边缘信息并使用概率Hough变换提取其中的直线，通过判断平行线存在与否对直线区域进行初步筛选及合并。再次，对合并后的区域利用深度卷积神经网络进行判别以得到相应区域的识别概率值。最后，通过分析概率值得到机场目标。对某卫星两种高分辨率遥感影像数据进行实验，得到识别率100%、定位准确率87.53%的实验结果，证明了所提算法的有效性和通用性。

提出了一种基于集成卷积神经网络(CNN)的遥感影像场景分类算法。通过构建反向传播网络实现了场景图像的复杂度度量;根据图像的复杂度级别,选择CNN对图像进行分类,完成了遥感影像的场景分类。使用所提出的算法对NWPU-RESISC45公开数据集进行了实验验证,取得了89.33%(第一类实验)和92.53%(第二类实验)的分类准确率,平均运行时间为0.41 s。相比于精调训练的VGG-16模型,所提算法的分类准确率分别提升了2.19%和2.17%,预测速率提升了33%,证明了其有效性和实用性。

高光谱遥感影像分类通常基于地物光谱特征,但影像中同时还存在丰富的空间信息。空间信息的有效利用能显著提高图像分类效果。因其具有的特殊结构,卷积神经网络(CNN)已成功地应用在图像分类领域,对二维图像分类具有很好的效果。如何通过深度学习并结合空间光谱信息来提高分类性能是一个关键问题。结合高光谱影像中的空间特征与光谱信息,提出一种适合于高光谱像素级分类的深度学习三维卷积神经网络模型(3D-CNN),并在初始分类的基础上利用多标签条件随机场进行优化。选取三个通用公开高光谱数据集(Indian Pines数据集、Pavia University数据集、Pavia Center数据集)进行测试,结果表明分类优化后精度得到很大提升,总体精度可达98%,Kappa系数达到97.2%。

针对亚米级高分辨率遥感影像中机场识别算法存在的定位精度和识别准确率低的问题，提出了一种基于深度卷积神经网络的高分辨率遥感影像机场识别算法。首先，使用双三次插值算法对原始影像进行下采样处理并转为灰度图，进行模糊增强以得到预处理图像。其次，利用Canny算子提取灰度图边缘信息并使用概率Hough变换提取其中的直线，通过判断平行线存在与否对直线区域进行初步筛选及合并。再次，对合并后的区域利用深度卷积神经网络进行判别以得到相应区域的识别概率值。最后，通过分析概率值得到机场目标。对某卫星两种高分辨率遥感影像数据进行实验，得到识别率100%、定位准确率87.53%的实验结果，证明了所提算法的有效性和通用性。

针对近海、内河场景中船只检测准确性低的问题,提出了一种基于短波红外遥感影像实现水体分割和船只自动检测的方法。利用水体在短波红外波段反射率低的特点,采取阈值分割和形态学处理的方法,从影像中快速准确地提取水体区域;使用视觉显著模型搜索水面目标,提取候选目标的图像切片;对可能存在的伪目标,使用灰度分布直方图描述目标切片的灰度分布特征,并结合梯度方向信息通过阈值判别的方法去除伪目标。结果表明,该方法能高效检测近海、内河中不同尺寸的船只目标;显著性检测共获得279个候选目标,经目标鉴别步骤检测出142个真实目标中的138个,虚警率小于6%,召回率大于97%。

围绕氟化镁共形整流罩的热障效应展开分析，模拟了真实飞行状态，建立了整流罩气动加热及其内部传热过程的有限元分析模型，计算不同飞行速度下整流罩的气动热载荷及平均温度；再根据红外探测基本原理，分析各个温度下整流罩的热辐射及其对探测系统成像质量的影响，计算探测器达到饱和状态时整流罩的临界温度，即研究热障效应产生机制；最后用成像试验对分析结果加以验证。分析结果表明，对于该红外成像探测系统，氟化镁共形整流罩的临界温度约为460 K，即在Ma=3的末制导阶段及Ma=4的情形下，热障效应显著，若想进一步加快红外成像制导**的飞行速度，必须对热障效应加以抑制和校正。各项结论对认识热障效应机理及其校正方法有一定借鉴意义。

针对湍流退化图像随机性的问题, 提出了一种基于随机点扩散函数的多帧湍流退化图像自适应复原方法。首先介绍了随机点扩散函数的图像退化模型, 并分析了点扩散函数随机性对图像复原造成的影响, 建立了基于随机点扩散函数的多帧图像退化模型。在此基础上, 建立了基于多帧退化图像的全变分复原模型, 利用前向后向算子分裂法对模型进行求解, 提高了算法的运算效率。然后, 提出了一种新的自适应正则化参数选取方法, 该方法利用全变分复原模型的目标函数计算正则化参数, 当正则化参数收敛时, 复原图像的峰值信噪比达到最大值, 因此利用目标函数的相对差值作为自适应算法迭代终止的条件, 可以获得最佳复原效果。最后通过实验分析, 算法中退化图像的帧数应不大于10帧。实验结果表明: 当取10帧退化图像时, AFBS算法运算时间与单帧的FBS算法相当, 信噪比增益为1.4 dB。本文算法对图像噪声有明显的抑制作用, 对湍流退化图像可以获得较好的复原效果。

针对多模制导中长焦距红外光学系统结构紧凑及宽温度范围热稳定性的要求, 设计了一种中波红外折反光学系统。该系统根据其它模式制导的要求, 采用固定焦距和口径的主镜, 通过二次成像,在保持长焦距的同时减小了透镜的口径,降低了到达中继成像系统主光线的高度, 同时也降低了制造成本。设计了波长为37~48 μm、焦距f为300 mm、F数为2的中波红外成像系统。结果表明, 该系统结构紧凑像质优良, 各视场光学传递函数均大于06, 接近衍射极限, 并且在-50~70 ℃可实现光学被动消热差。针对该光学系统进行了公差分析并提出了抑制杂散辐射的方法, 该系统满足实际加工和应用需求。