导航相机是深空探测领域中关键的导航敏感部件, 本文通过提高导航相机的灵敏度来提高导航相机的综合性能, 特别是提高时间分辨率, 解决高动态条件下的目标探测问题。首先, 根据导航相机的工作模式和EMCCD的性能特点, 分析了影响导航相机成像质量的多个因素, 建立了目标信噪比理论分析模型; 然后, 在理论计算基础上, 重点研究EMCCD导航相机的样机设计技术, 说明了EMCCD高频高幅驱动、模拟前端设计、TEC真空制冷、时序控制与数据处理等关键技术的实现方法; 最后, 介绍了相关实验工作, 并分析实验数据。实验结果表明: 样机最大目标信噪比在倍增增益M=10时达到68.6 dB, 在口径13 mm条件下, 可在积分时间1 ms内实现对月球成像。基本满足深空探测导航相机高动态条件下短积分时间成像的要求。

生成式对抗神经网络在约束图像生成表现出了巨大潜力, 使得其适合运用于图像超分辨率重建。但是使用生成式对抗神经网络重建后的超分辨率图像存在过度平滑, 缺少高频细节信息的缺点。针对单帧图像超分辨率重建方法不能有效利用图像序列间的时间-空间相关性的问题, 提出了一种基于生成式对抗神经网络的多帧红外图像超分辨率重建方法(M-GANs)。首先, 对低分辨率图像序列进行运动补偿; 其次, 使用权值表示卷积层对运动补偿后的图像序列进行权值转换计算; 最后, 将其输入生成式对抗重建网络, 输出重建后的高分辨率图像。实验结果表明: 文中方法在主观及客观评价中均优于当前代表性的超分辨率重建方法。

针对低分辨率图像在配准过程中精度较低的问题, 提出了一种基于超分辨率重建的亚像素图像配准方法。首先, 对具有1至9像素位移的图像序列进行10倍降采样, 获取具有0.1至0.9亚像素位移的图像序列。然后, 根据图像的获取过程建立数学模型, 以Bayes理论为基础, 使用最大后验概率法(MAP)对亚像素位移低分辨率图像进行超分辨率重建, 获取高分辨率图像。最后, 使用具有亚像素配准精度的扩展相位相关法对图像进行配准。配准实验与噪声实验表明, 所提方法的最大配准误差为0.03 pixel, 能实现对低分辨率图像的亚像素级配准, 具有配准精度高、噪声抗干扰能力强等特点, 可同时满足可见光图像与红外图像的高精度配准要求。