随着人机交互、虚拟现实等相关领域的发展，人体姿态识别已经成为热门研究课题。由于人体属于非刚性模型，具有时变性的特点，导致识别的准确性和鲁棒性不理想。本文基于KinectV2体感摄像头采集的骨骼信息，结合人体角度和距离特征，提出了一种基于单样本学习的模型匹配方法。首先，通过对采集的骨骼信息进行特征提取，计算关节点向量夹角和关节点的位移并设定阈值，其次待测姿态与模板姿态进行匹配计算，满足阈值限定范围则识别成功。实验结果表明，该方法能够实时的检测和识别阈值限定范围内定义的人体姿态，提高了识别的准确性和鲁棒性。

针对单一滤波器难以适应复杂变化的目标跟踪环境的问题，本文在高效卷积算子目标跟踪算法的基础上，提出了自适应多滤波器的目标跟踪算法。该算法使用时空正则化滤波器、一致性检验滤波器和高效卷积算子算法中的相关滤波器分别与目标特征进行卷积，得到三个滤波检测得分。其中，时空正则化滤波器是通过将时间正则化引入相关滤波损失函数而得到；一致性检验滤波器是通过反向定位前几帧目标，比较反向与正向定位坐标的误差，只有误差小于阈值时才更新滤波器；选择峰值旁瓣比最大滤波检测得分，估计目标的位置。使用 OTB-2015数据集和 UAV123数据集对改进算法进行测试，实验结果表明，本文算法能够更好地适应跟踪过程中的复杂变化的环境，具有较高的精度和鲁棒性。

为了提高大气层外飞行器脱靶量的光学测量精度,提出了一种基于多测站同帧画幅数据的脱靶量处理算法.首先给出了光学测量脱靶量的基本原理;其次分析了各种角度误差对大气层外飞行器脱靶量测量的影响;然后建立了基于多测站同帧画幅数据的节省参数算法,并进行了脱靶量精度分析;最后给出了典型情况下的仿真结果.仿真结果表明:对大气层外飞行器脱靶量进行光学测量,必须修正CCD 曝光时延误差和焦距误差,通过充分利用多测站冗余同帧画幅数据可以提高脱靶量测量精度.

为提高高空、远距离条件下的光测交汇精度，需要对光测数据的系统误差进行精确修正，利用高空飞行器被动段的轨道特性和多测站冗余观测数据，可以进行轨道约束自校准。首先分析了光测数据系统误差模型和坐标转换关系；然后建立了基于轨道约束的光测数据系统误差自校准算法。最后为验证方法的有效性，进行了典型条件下的仿真试验。仿真结果表明，当采用多台光电经纬仪的冗余观测数据进行事后处理时，利用轨道约束自校准技术，可以实现光测数据系统误差的精确自校准。

在高空目标光学测量中, 由于设备和环境条件的影响, 数据存在一定的系统误差, 系统误差修正是获取高精度位置参数的关键。针对高空光测系统误差修正问题, 首先分析了 80 km以上目标光测数据的系统误差来源, 建立了高空目标光测数据的系统误差模型, 提出了基于恒星的修正方法, 对大气折射误差和设备轴系误差进行联合修正。为验证方法的有效性, 将该方法应用于实际高空光学测量, 实验结果表明修正效果明显, 可使系统误差修正精度提高到 2″。

为了提高飞行器的事后定位精度, 提出了一种基于多台雷达光电经纬仪外测数据融合的处理方法。给出了雷达光电经纬仪外测数据的数学模型, 将样条约束方法应用于角度、距离和速度测量数据的融合处理, 建立了飞行器位置参数和设备系统误差的联合求解模型, 通过充分利用雷达测量数据来增加模型的冗余度。仿真结果表明, 与单纯的角度数据融合相比, 角度、距离和速度测量数据进行融合可以显著提高飞行器位置参数和设备系统误差的估计精度。

提出了改进的广义模糊算子(GFO)边缘检测新方法.该方法把Otsu理论应用到GFO参数确定中,从而实现了GFO中关键参数的自适应获取,使参数确定困难的问题得以解决.经该方法处理后的图像具有失真度小、细节分明等优点,优于目前现有的边缘检测方法.另外,为使得该方法在复杂图像边缘检测中取得良好效果,采用了先分割后处理的方案,即将复杂图像分割成若干子图像,然后根据各个子图像的灰度性质应用本文所提方法进行处理,再合成,从而为此方法在图像边缘检测中广泛应用提供了切实可行的解决方案.