针对多帧短曝光图像叠加，提出一种融合成像系统自身的角度信息，通过光学系统与相机系统的坐标变换计算来获得图像偏移像素的方法。对于每一帧短曝光图像的角度，利用光学系统几何关系进行亚像素级偏移配准，再通过傅里叶变换的频移特性构建傅里叶频谱滤波器H(u,v)，在频域对图像进行亚像素级别的修正，并使用刃边法对图像进行高频响应评估。对比未修复图像，经所提算法修正后图像在50%调制传递函数（MTF₅₀）衰减处的分辨率从20 lp/mm提升到33 lp/mm，且其修复效果优于传统二次插值算法的修复效果；所提算法在40~80 lp/mm分辨率范围内具有较好的修复效果，MTF的峰值提升了4倍。

铂电阻因其高精度、高稳定性、可重复性以及可互换性的特点, 作为温度传感器在工业领域以及航天领域被广泛应用。针对铂电阻的非线性特性, 提出了一种基于压控电流源的铂电阻测温非线性校正设计方法。利用测量系统的输出值微调铂电阻的激励电流的方法, 抵消非线性误差, 提高输出信号的线性度, 具有参数计算简单、电路实现方便的优点。该方法应用于某在轨辐射定标系统, 进行了相应的电路设计, 采集了实际实验数据。实测数据表明, 采用该方法能在-40~70℃的范围内将由铂电阻温度传感器非线性产生的测量误差改善为约0.016℃, 提高了温度测量精度。

针对红外遥感船只检测领域存在的硬件存储资源和功耗的限制,以及目标检测输出边界矩形框形式结果不够精细的问题,提出了一种轻量化且具有像素级输出的分割网络TRS-Net。将图像分割的编码-解码结构用于船只检测,以获得像素级的输出;将32 bit的浮点型参数二值化(目的是压缩网络模型的大小),提出了BS-Net;针对BS-Net带来的检测精度低的问题,引入残差连接,提出了BRS-Net;根据神经网络稀疏性特点引入参数三元化,提出了TS-Net;为进一步提升检测效果,将TS-Net改进成TRS-Net。采用实验室自主研制的长波红外相机进行成像实验,获取红外船只图片并制作数据集,对4种网络的结果进行对比分析。结果表明:TRS-Net检测的精确率为88.73%,召回率为83.34%,F1-score为85.95%,交并比为75.36%,模型大小压缩为原先的1/16。TRS-Net对红外船只的实时检测具有一定的工程应用价值。

针对遥感建筑物实时检测中深度卷积网络资源消耗大和硬件移植难的问题,提出一种基于二值与浮点数混用方法的语义分割网络MBU-Net。通过对FU-Net网络全局权重进行二值化处理来压缩模型大小,并将占少量参数的网络输出层权重替换成浮点型(MBU-Net),解决了全局二值网络(GBU-Net)检测精度差、训练缓慢的问题。在QuickBird卫星遥感数据集上进行实验,MBU-Net的像素准确率为82.33%,F1分数(召回率和精确率的调和平均数)为73.15%;相比于FU-Net,MBU-Net在保证检测精度的前提下,模型大小大幅压缩,检测速度提升了6.29倍,功耗降为37.78%,且优于其他同类方法(Deeplab、ENet),对遥感建筑物实时检测具有重要的实际工程价值。

针对红外船只图像较模糊导致的识别率低、识别速度慢等问题,提出了一种基于深度卷积神经网络(CNN)的检测算法。首先采用标记分水岭分割算法提取红外船只图像中的连通区域,并对原图相应的目标位置进行标记和归一化处理,提取候选区域。采用改进的AlexNet(一种深度CNN模型)进行船只目标识别,将提取的候选区域送入改进的AlexNet进行特征提取和预测,得到最终检测结果。分水岭方法可大大减少候选区域检测时间,以及减少深度CNN识别时间。利用实验室自制的红外成像系统获取近千张红外船只图像数据,并对其平移缩放形成的数据集进行仿真实验。结果表明,标记分水岭与深度CNN的结合,可有效识别船只目标,所提方法具有良好的性能,能够更加快速准确地识别红外船只目标。

稳像系统能够保证对地观测视频小卫星“凝视”观测时获得稳定的视频序列。不稳定视频序列的像移精确检测是稳像系统能够正常工作的前提。本文研究了一种改进的相位相关算法提取亚像元像移的方法用于视频卫星稳像系统中的像移检测。传统的相位相关算法只能得到垂直和水平方向上的整像元像移, 通常视频序列图像之间的变换关系存在一定的旋转角度。本文在传统的相位相关算法中加入旋转矢量, 为方便计算将空间域的旋转映射成了频域的平移, 同时在求得的极值点附件利用曲面拟合得到亚像元的精度, 从而保证稳像系统能获得亚像元的稳像精度。实验时, 当图像尺寸为 200×200、固定像移为 8个像元时, 检测误差均值 Mean＝0.0191 pixel, 均方根 RMS＝0.01067。

为了验证二类超晶格红外探测器的性能,设计了探测器的驱动电路。因红外探测器的灵敏度高,设计了低噪声电源偏置电路,优化了电路板的布局。结合320×256长波红外焦平面组件特点设计的驱动电路为探测器组件提供电源与偏置电压、时序与控制信号。实验结果表明,该驱动电路能基本满足二类超晶格红外成像系统低噪声、高精度的要求。

由于红外焦平面材料、制造工艺的差异以及多路模拟信号输出的电路设计等因素，红外探测器在面源黑体目标下像元的输出不均匀，针对同一辐射目标得到的响应也不一致。红外探测器像元间的非均匀性影响目标辐射探测的质量，也使得获得的红外图像不能很好地反应目标辐射特性。先对红外图像进行盲元检测和补偿，通过双边滤波方法获得像元期望输出值，利用随机梯度下降法的神经网络模型对红外图像进行非均匀性校正。实验验证该方法较基于标定的校正方法具有适应场景变化、效果好的优点。

根据320×256 中波红外焦平面器件内部电路结构特点以及输出微弱模拟信号的特点，系统从低噪声和抗干扰的角度出发，设计了由电源模块、驱动电路、A/D 转换电路、数据处理电路、时序控制模块等模块组成的低噪声中波红外焦平面图像数据采集系统。通过噪声测试和成像实验得到，在26℃的室温下，测得的电路噪声为0.1 mV，在1000 μs 积分时间时系统噪声1.5 mV，各个像元的SNR 在62～65 dB 之间。

本文针对特定长波红外焦平面( 288×384像元)探测器, 选用低噪直流电源和低压差线性稳压器组合, 实现了该红外焦平面模拟和数字驱动电路。分析提升长波红外探测灵敏度的关键要点, 设计了高灵敏度信息采集电路。该红外成像系统具有高帧频、高灵敏度的优点。实验室测试得到该长波红外探测系统噪声等效温差(NETD)在 300 K下优于 30 mK。