为了提高海量空间碎片天基光学成像仿真的计算速度，提出了一种海量空间碎片天基光学观测图像快速仿真方法。首先，阐述了天基光学观测图像的成像原理，设计了成像仿真流程，给出了各流程的计算方法，分析出了多约束条件下关于空间碎片可见性的计算是限制成像仿真速度的主要原因。接着，以提升计算速度为出发点，建立了各约束条件对空间碎片可见性求解速度影响的评价指标。最后，根据建立的评价指标与实际观测任务的特点，提出了多约束条件下海量空间碎片的可见性快速求解策略。仿真实验结果表明，所提方法在保证仿真图像逼真度的同时，成像仿真速度明显优于传统成像仿真算法，对天基可见光观测平台的研制与效能评估具有重要意义。

针对天基光学观测过程中存在杂散光干扰成像的问题，提出一种受杂散光影响的天基光学观测图像的仿真算法。首先通过分析天基光学观测图像的成像原理来设计天基光学观测图像的仿真流程，并给出各流程的计算方法。接着分析地气光干扰成像的原理，建立地气光成像仿真的数学模型，采用微元法实现地气光的成像仿真。最后阐述月光干扰成像的原理，建立月光成像仿真的数学模型，采用扩展截取法实现月光的成像仿真。仿真结果表明，采用所提算法仿真图像，图像的逼真度较高，而且较真实地实现杂散光的成像仿真，并且通过相关文献证明所提算法的正确性与合理性。

空间目标观测策略是决定天基光学监视系统性能的关键因素之一, 本文对国外已服役和在研的GEO目标天基光学监视系统及其观测策略进行了讨论。首先, 概述了GEO目标天基光学监视技术的发展历程; 然后, 简要分析了GEO目标的轨道特性, 并在此基础上讨论了主流的GEO目标监视策略; 最后, 针对近年来呈现出的监视系统小型化和自主运行的发展趋势, 对SBO载荷与3U CubeSat星座的目标监视性能进行了仿真评估。实验结果表明: SBO载荷和CubeSat卫星均可探测1 m直径的GEO目标, 单颗SBO载荷探测GEO目标比例大于51%, 观测弧长和重访周期分别约1.2°和1.5天, CubeSat星座则可探测超过90%的GEO目标, 平均观测弧长和重访周期分别大于67.1°和小于0.4天。由此可见微小卫星通过组网能实现对GEO目标的独立自主监视。

：针对复杂背景下形状不规则、高度较低的平面目标自动识别问题，提出了一种基于Hausdorff距离的模板匹配方法。在完成平面目标前视模板制备后，文中首先定义了基于边缘位置、梯度相位和边缘点显著性约束的相似性度量方法，模板与实时图中对应两个边缘点位置越近、梯度相位差越小及实时图边缘点越显著，这两点的匹配就越好；然后融合三种度量结果，设计了一种基于边缘相位和显著性约束的Hausdorff距离模板匹配方法，实现了平面目标轮廓的准确匹配。实测数据处理结果表明，该方法能够实现复杂地面场景中任意形状的平面目标轮廓的匹配定位，并且定位精度高、鲁棒性好、适用范围广。

切点是表征图像中平面曲线局部形状变化的重要点特征，现有的研究鲜有涉及。构建了表征平面曲线局部几何特征的梯度相关矩阵（GCMs），通过GCMs行列式检测到了角点，但无法检测典型切点模型。由于GCM行列式仅在直线段上的点处取零，可将平面曲线分段为平面子直线段和子曲线段，结合方向函数，检测位于子直线段与子曲线段之间、或子曲线段上的切点。利用精确度（ACU）与定位误差（LE）准则测试算法，给出实验仿真结果，证明算法有效，具有较好的稳健性。

针对数字表面模型(DSM)数据与可见光遥感图像信息融合的实际需求, 提出了一种基于一致点漂移算法(CPD)与相对相位直方图(RPH)的两级配准策略来实现上述数据与图像的自动配准。首先, 利用Canny算子提取图像边缘, 将边缘点作为CPD算法的输入, 实现两幅图像的粗匹配, 从而得到初始对应点集并估算尺度因子; 然后, 定义了一种鲁棒且具有旋转、平移不变性的区域变化信息描述子-RPH, 其在粗匹配结果的保障下还可以实现尺度不变性; 最后, 根据尺度因子在两幅图像中分别定义圆环模板, 并利用RPH测度完成DSM图像与可见光遥感图像精配准。实验结果显示, 使用RPH测度进行精配准后, 基于CPD算法的粗匹配结果得到了有效校正, 在数据自身存在透视失真情况下, 算法配准误差约为2 pixel, 能够满足DSM数据与遥感图像信息融合的需求。

海天线检测是红外图像自动目标识别技术的一项重要内容。本文深入分析了海天背景红外图像的特点, 提出了一种基于四项特征评分因子的海天线模糊识别算法。首先对梯度图进行 Radon变换以提取候选海天线, 然后联合候选海天线四种特征信息进行模糊综合评判, 最后根据评判值大小给出海天线识别结果。算法对比和实测数据结果表明, 该方法适用范围广, 抗噪声和抗干扰能力强, 识别率高, 可以有效地检测出各种复杂海天背景下的海天线, 为进一步应用 (如目标识别 )奠定了良好的基础。

针对复杂地物背景下的城区红外遥感图像的云层干扰问题，提出了一种基于图像特征提取、区域投票表决和阈值分割的云层检测方法。对图像进行去噪和归一化拉伸处理，再进行多特征提取，并通过提取的特征向量对图像进行分区域云层投票表决，最后根据表决结果和分形特征度量矩阵进行阈值计算和阈值分割，并通过形态学处理得到精确的云层区域。统计检测结果显示算法对不同时刻的数据检测准确率在91%以上，证明了算法的适用性和有效性，为红外遥感图像的信息处理提供了有效的技术支持。

针对前视红外地面建筑物图像目标分割问题，在传统方法的基础上提出了一种基于模板制备的改进 C-V模型分割方法。首先通过 DSM数据制备目标二维形状模板；然后对图像进行高斯滤波去噪，并采用模板尺度相关的结构元素对图像进行灰度形态学增强；最后引入模板形状先验信息的概念，利用水平集方法表达轮廓先验信息，在 C-V模型的基础上增加目标轮廓先验信息能量项，使分割曲线进化同时受到图像数据与形状先验信息驱动，实现目标分割。实测数据显示该方法能在复杂背景条件下精确分割前视红外建筑物目标。

针对传统的序列图像目标跟踪方法难以适应复杂背景干扰、目标形状变化以及目标位置非规则抖动的问题, 提出了一种基于加权 Lucas-Kanade算法的目标跟踪新方法。首先引入搜索模板, 估计出目标在实时图像中的位置并将其作为加权 Lucas-Kanade算法的迭代初始值, 然后计算权值函数, 利用当前模板和初始模板进行两次跟踪, 得到目标的准确位置。最后实现了在目标形状及背景变化下的三种模板更新。大量实测数据的实验结果表明, 本文所提的方法有效地实现了对地面复杂场景中形变目标的稳定跟踪。