提出了一种应用于红外图像仿真的级联多尺度信息融合生成对抗网络,能由可见光图像估计对应的红外图像。针对可见光与红外图像特征之间的关联与区别,该网络采用级联的对抗网络结构:第一级对抗网络以语义分割图像为辅助任务,使用大感受野的卷积网络结构,重建红外图像的结构信息;第二级对抗网络以可见光的灰度反转图像为辅助任务,采用小感受野的网络结构,补充红外仿真图像的细节纹理信息,并使用多尺度融合模块整合多感受野信息以提升算法精度。在先进算法的通用数据集上进行实验,结果表明,级联多尺度信息融合对抗网络能够实现可见光到红外图像的转换,可得到结构与纹理都较正确的红外仿真图像,在多种客观指标与主观感受上均优于其他类似算法。

本文针对星点成像中的过饱和现象，分析了星像点的点扩散函数(PSF)特性，建立了过饱和星像点能量分布模型，提出了一种过饱和星像点PSF 相关算法。该算法首先确定与星像点目标区域相似度最好的PSF 序列，通过找到该序列的最大值进行定位。仿真实验表明：在星像点有噪声的条件下，PSF 相关法的定位误差低至0.05 pixel；在非对称PSF 条件下，定位误差依然小于0.1 pixel，均比传统的质心法、曲面拟合等方法的定位精度高。

为了解决星点在实际成像过程中能量分布的偏正态分布问题，提高星点中心的定位精度，提出了基于偏正态分布模型的点扩展函数（PSF）相关算法。该算法根据实际星图中星点的能量分布特征，建立与之相对应的 PSF，利用相关的原理，找到与星点能量分布相似度最高的 PSF，通过确定对应PSF的最大值位置实现对星点中心的定位。实验结果表明，在星图噪声为N(0,0.001)的仿真条件下，且星点中心在1 pixel 内随机分布时，偏正态 PSF 相关法的星点中心平均定位精度可达到0.04 pixel，远小于质心法0.4 pixel和高斯曲面拟合法的1.03 pixel。由实验结果可知，该算法定位精度高于质心法和高斯曲面拟合法，具有较好的抗噪声性和稳定性，提高了星点中心定位精度。