提出了一种融合场景上下文的轻量级目标检测网络,有效地解决了现有检测算法在无人机领域应用效果较差的问题。在该网络的设计中,首先用MobileNetV3替换YOLOv3的主干网络,并通过1×1卷积层提取场景信息。同时,构建场景上下文模块以筛选物体的细粒度特征。再采用完全交并比(CIOU)损失对损失函数中的边界框位置误差项进行优化。最后,在新建无人机航拍数据集上对所提算法进行训练与测试。实验结果表明,相较于YOLOv3算法,所提算法的平均检测精度提高了8.4个百分点,检测速度提高了5.8 frame/s。

复杂背景的低对比度目标识别一直是目标探测跟踪的关键技术之一。针对光电混合联合变换相关器，以多小波变换为基础，应用GHM多小波对目标联合图像处理，并采用多尺度非线性方法，通过非线性函数有效地改变各尺度上的细节分量，从而改变图像对比度，达到增强目标图像的目的。对复杂背景的低对比度目标图像进行了大量计算机模拟实验和光学相关实验，结果表明，这种基于多小波图像增强算法，对复杂背景的低对比度目标能够获得明亮的相关点，提高低对比度目标的识别率。作为实例，文中给出航行中低对比度船的图像识别。

应用光电混合联合变换相关器对遮拦目标进行探测和识别时，由于复杂背景、低对比度、照明不足及目标不完整等因素，引起相关信息量缺失，获得的相关峰图像中相关点微弱，甚至根本得不到相关点.针对此现象，对遮拦目标的联合目标图像进行了自适应阈值处理，并对其经光电混合联合变换相关器所获得的功率谱进行了墨西哥帽小波变换处理.有效地抑制了遮拦目标在光电混合联合变换相关器中的噪声干扰，增强了遮拦目标和模板相关信息衍射光的能量，使在相关峰面上相关点的能量和对比度得到明显的增强，从而提高了应用光电混合联合变换相关器对遮拦目标进行探测和识别的能力.实验表明：自适应阈值处理和墨西哥帽小波变换处理相结合，能够很好地提高相关峰的能量和对比度，可实现遮拦目标的自动识别和探测.

针对光学相关器的技术指标，对其光学系统进行小型化设计。傅里叶透镜组与准直扩束系统均采用摄远型式结构，在满足其长焦距的前提下缩短了系统的光学筒长；采用直角反射棱镜折叠空间光路充分利用空间，使系统布局更紧凑；利用计算机辅助设计软件ZEMAX对光学系统结构进行优化，最后研制出的小型化透射式光学相关器总长在150 mm以内，总宽在130 mm以内，实现了小型化目的。改进后的光学系统结构为双光路处理结构，具有实时性强的优点。经实验验证，该装置具有较好的相关探测性能，并且噪声小、探测精度高。

为了满足市场对低成本、高变焦比光学变焦手机摄像镜头的需求，采用三运动组份变焦核结构型式，选用优质光学塑料非球面透镜与普通光学玻璃球面透镜混合结构，利用计算机辅助设计软件Zemax优化镜头系统，设计了一种4.6倍光学变焦、500万像素(5×106 pixel)的手机摄像镜头。系统全视场调制传递函数（MTF）值在空间频率20 lp/mm处大于0.8，广角端及摄远端的MTF值在1/2奈奎斯特频率处大部分视场大于0.4 lp/mm；相对畸变均小于3.2％；全视场广角端处的相对照度大于67％，摄远端处的相对照度大于89％，并且变焦曲线平滑。该镜头系统具有分辨率高、制造成本低、变焦比高的优点。

光学相关探测就是利用光学相关的方法, 从混乱的图像中找出需要的目标, 达到识别的目的。把小波变换应用于光电混合联合变换相关器, 突破了传统的傅里叶变换的局限性, 实现了对探测目标不同区域、不同尺度的分析。为了充分利用小波不同尺度的特性, 采用小波多尺度积的方法提取出目标图像的边缘, 兼顾了图像的细节与轮廓特征, 将目标图像不同层次的轮廓信息和细节信息相结合, 解决了复杂背景下目标图像的识别问题。光学实验结果表明, 该方法有效增强了复杂背景目标的相关点强度, 成功实现了目标的探测, 具有良好的应用前景。

应用光电混合联合变换相关器对目标进行探测和识别时,由于实际拍摄的图像背景非常复杂,对比度较低,亮度不足等原因,使得相关峰很弱甚至根本得不到相关峰,不能达到探测和识别的目的。为此提出在光电混合联合变换相关器的功率谱面应用小波变换处理技术,有效地抑制了联合变换功率谱中的噪声干扰,提高了有用信息衍射光的能量,从而增强了应用光电混合联合变换相关器对复杂背景目标进行探测和识别的能力。实验证明利用经过小波变换处理后的联合变换功率谱所获得相关峰的对比度,较处理前由联合变换功率谱所获得相关峰的对比度能够达到百分之百的增强效果。作为实例文中给出了湖中小船处理前后的光学实验结果,从实验结果中可以明显看出此种处理方法的有效性。

利用透镜的傅里叶变换性质，并采用电寻址液晶等关键器件，研制成功光电混合联合变换相关器，实现了对复杂背景目标的准实时探测和精确定位。相对于传统的4f系统，具有识别精度高、识别速度快等特点。由于从图像传感器采集到的运动目标图像信息含有各种畸变形式(如位移、旋转、比例等)，使得运动目标实时自动识别与跟踪变得困难。提出了梅林(Mellin)变换的方法，对梅林变换的原理及算法进行了深入研究，并进行了光学实验，得到了较好的实验效果，解决了目标尺寸不变问题。作为实例，给出了高空拍摄的航空图片的实验结果。目标的大小是模板的150%，经梅林变换处理后得到了较强的相关输出，该算法在光电混合目标探测领域具有一定的实际应用意义。