通过微面元理论的函数模型, 基于红外偏振辐射传输方程,推导分析红外偏振角与目标表面折射率、反射率及探测角度等关系的数学模型, 通过合理简化模型仿真得出偏振角随入射角的单调变化曲线; 开展红外偏振成像试验, 试验数据分析与仿真结果一致, 这表明: 目标边缘轮廓的偏振角特征与探测波长的相关性可以忽略, 在目标与背景辐射相差较小的情况下, 采用光谱辐射亮度对比度的方法无法区分目标, 而通过偏振角对比度可以明显区分-目标边缘特征, 并提出通过基于目标几何特征以及探测位置, 反演解算目标的姿态信息的新方法.

为了在复杂的地面场景中实现准确的自动目标检测，分析了地面场景图像经二维加窗的伪Wigner-Ville分布(PWVD)后，归一化的Rényi熵与其出现概率间存在的基于e指数的统计特性，以及人造目标的出现引起的地面场景中Rényi熵的统计特性变化，提出了一种新的基于Rényi熵的显著图生成和目标探测方法。对Renyi熵图像进行了均值滤波，然后滤波前后的图像相减得到熵残余图像，并经过高斯滤波获得显著图，最终通过简便的阈值分割，完成目标探测。实验结果表明，该方法对8幅不同场景图像中共计14个目标的探测概率为100%，虚警概率不大于7.1%。与传统方法相比，本文提出的方法能够更为有效地检测复杂地面背景中的**目标。

针对图像的运动模糊和散焦模糊，提出了一种基于双谱对含有噪声的模糊图像的点扩展函数参数进行辨识的方法。首先计算出一幅标准测试图像经模糊后的双谱，然后通过曲线拟合得出双谱中的统计特性与模糊尺度之间的函数关系，由此训练出的BP神经网络即可完成对其它含有噪声的模糊图像的点扩展函数的参数辨识。实验结果表明，本方法适用于含有噪声的在一定模糊参数范围内的散焦模糊和运动模糊图像，在信噪比为25 dB的情况下，辨别出模糊尺度的偏差不超过0.5 pixel。

针对在静止背景中运动的目标对所拍摄图像造成的局部运动模糊,建立了运动速度与图像上运动模糊尺度、目标距离以及曝光时间等相机参数间的对应关系,提出了一种局部运动模糊点扩展函数的参数辨识算法。目标运动方向信息由傅里叶频谱和Radon 变换得到。当运动模糊方向调整为水平后,经图像分割,改造的Prewitt 算子进行边缘检测,二值图像与边缘图像对应区域上各行进行自相关三个步骤,运动尺度由统计信息确定,并在此基础上完成目标速度的测量。实验结果表明,本文算法对形体较为复杂目标的局部运动模糊参数辨识具有良好的效果,实验测得的运动速度与实际平均速度的误差都在7%以内,有利于自动完成,具有较好的实时性。

点扩展函数的参数辨识对于图像复原具有非常重要的意义。运动模糊和散焦模糊是常见的两种图像模糊类型。针对这两种模糊以及成像过程往往存在噪声的情况，提出了一种基于双谱的点扩展函数参数辨识的方法。介绍了这两种模糊类型及其传统的计算公式。推导了两种模糊类型的双谱，理论上双谱不仅不受噪声的影响，并且具有与模糊函数相似的结构，由此利用传统的模糊参数计算公式就可以计算出模糊参数。实验结果表明，本方法适用于含有噪声的一定模糊参数范围内的散焦模糊和运动模糊图像，即在模糊参数不太大的情况下，本方法可以取得更准确的结果。在信噪比为25 dB 的情况下，辨别出该范围内的模糊尺度的偏差不超过1 个像素。