为实现从单站光测图像中估计出已知3D模型的空间目标姿态,利用Vega Prime提出了一种采用仿真图像进行相关度局部最优搜索的姿态估计方法, 该方法无需建立2D-3D特征投影关系和大量的模型匹配库。首先, 对输入图像进行图像预处理, 获得目标原始图像。然后, 利用Vega Prime加载目标3D模型生成仿真匹配图像, 并进行图像预处理获得目标匹配图像,计算两幅图像相关度。最后, 更新3D目标模型姿态, 直至仿真匹配图像与目标原始图像的相关度值取得局部最优, 输出目标模型姿态。仿真实验结果表明, 采用本文所提方法的观测仿真图像姿态平均估计误差为385°,仿真原图可实现姿态准确估计, 表明该方法是一种空间目标姿态估计的有效方法。

为了对图像中的显著目标进行更精确的识别, 提出一种新的基于多尺度区域对比的视觉显著性计算模型。首先基于多尺度思想将图像分别分割为不同数目的超像素, 对超像素内的像素颜色值取平均以生成抽象化图像; 然后根据显著特征的稀少性及显著特征的聚集性, 计算单一尺度下超像素颜色特征的显著性值; 最后通过取各尺度超像素显著度的平均值来融合多尺度显著图, 得到最终的视觉显著图。实验表明, 以MSRA图库中的1 000张随机自然图片为例, 该模型较现有较好的区域对比模型, 显著目标识别的精确率提高了148%, F-Measure值提高了92%。与现有的算法相比, 该模型提高了算法对显著目标大小的适应性, 减少了背景对显著目标识别的干扰, 具有更好的一致性, 能更好地识别显著目标。

针对激光主动成像的图像特性, 提出一种基于快速轮廓转动力矩的目标识别方法。将转动力矩的概念引入目标识别中, 提出的快速轮廓转动力矩特征(FCTF)不仅包含了轮廓的尺寸、位置、规则度以及目标的亮暗等信息, 同时对于旋转、尺度缩放等变换具有不变性。采用转动力矩的快速计算方法, 提高了识别算法的计算效率。识别算法首先使用最大稳定极值区域(MSER)算法检测出目标特征区域, 并将其变换为圆形区域, 然后结合快速转动力矩特征算法提取出目标区域的局部不变特征, 最后输入训练好的支持向量机分类器进行识别。实验结果表明相比于已有的激光主动成像目标识别方法, 所提算法对于旋转、仿射变换均具有更高的识别率, 同时单帧平均运算时间为968 ms, 满足激光主动成像目标识别系统实时性的要求。

研究了基于最小损失函数法的三视场定位定向中各个误差源对定位定向准确度的影响.给出了基于最小损失函数进行三视场天文定位定向的数学模型, 结合模型归纳了定位定向的误差源及其特性, 分析了误差源对定位定向信息对的影响.最后, 建立了定位定向误差仿真模型, 并利用蒙特卡罗法进行误差仿真分析.仿真结果表明系统的定位准确度为88.1 m, 定向准确度为3.0″.分析指出定位定向主要的误差源是水平测量误差, 其次是垂线偏差数据误差.野外实验表明, 该系统的定位准确度为163.0 m, 定向准确度为3.5″, 水平测倾角的误差对定位定向结果的影响较大.

设计了1.23 m地基望远镜自适应系统的非共光路标定系统。针对自适应光学系统非共光路像差检测中遇到的问题, 构造了离焦量不可测情况下的相位差异法的评价函数。利用多通道约束波前的解集和像差检测与变形镜调整互相迭代最终收敛的办法, 弥补了测量条件不理想对像差检测的影响。与双通道相位差异法相比, 多通道相位差异法对目标光源形状的容忍力更强, 理论上对波前求解精度更高。将该方法应用于1.23 m地基望远镜自适应系统的非共光路静态像差测量中, 取得了良好的效果, 使光路装调更加方便。通过改变变形镜的初始偏置对测得的像差进行校正, 提高了望远镜光学系统的成像质量。

采用稀疏二进制矩阵作为测量矩阵完成了单像素相机对不同场景的拍摄。基于压缩传感理论设计的单像素相机，利用数字微镜阵列和单个探测元件实现高分辨率图像的拍摄，将图像采集和压缩合二为一，减少了数据，降低了系统规模、复杂度和成本。对测量矩阵进行了分析，给出了二进制测量矩阵精确重构条件。搭建了硬件实验平台，采用稀疏二进制测量矩阵，对笔划复杂度不同的“中”字、“国”字和复杂实物这3种不同的场景进行了拍摄实验，利用梯度投影重构算法重构出目标图像，图像分辨率为数字微镜阵列大小。实验结果显示，对于3种不同场景，在测量次数为目标图像像素总数的20%～30%时，能精确重构出目标图像，表明单像素相机能实现高分辨率图像的拍摄。