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。

对于红外跟踪系统中的低空非合作运动目标检测问题, 由于距离未知, 目标可能表现为小目标或者面目标, 另外, 红外图像中可能包含大量的地物背景。针对以上问题, 本文提出了一种基于形态学梯度的目标检测算法。此方法首先计算红外图像的形态学梯度, 进而根据各种地物背景的形态学梯度特征提取天空区域, 然后在此区域内进行目标检测, 最后进行目标边缘片段的合并。该方法基于形态学梯度对于灰度变化的敏感性, 使用形态学梯度来表征红外目标边缘强度, 通过检测目标边缘来达到检测目标的目的。实验证明, 本文方法能够有效的检测目标, 虚警较少, 且对小目标和面目标具有一定通用性。

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。

针对周扫红外搜索系统对空目标探测面临的图像数据量大、弱目标检测概率低、虚警率高等难点问题，提出了一种基于兴趣区(ROI)提取的目标实时检测算法。算法分析了周扫红外搜索系统获取的图像中目标与背景的特性，根据目标运动特性与灰度特性，在周扫红外搜索系统获取的整幅全景图像中快速提取目标可能存在的兴趣区；针对兴趣区内的局部目标图像切片，进一步精细检测识别，剔除虚假目标干扰。外场试验获取的实测数据目标检测结果表明，算法针对复杂低空背景下弱目标能够实现低虚警率稳健检测，已应用到了周扫红外搜索跟踪系统的工程样机研制中。

复杂背景下红外小目标检测与跟踪是红外目标探测系统的核心技术之一。为了准确检测与跟踪空中多个小目标，针对复杂背景下单帧检测虚警率偏高，导致帧间检测计算量大的问题，提出了一种基于双核判决的小目标检测算法。首先根据目标、背景及噪声的不同灰度特性，利用Robinson 滤波器结构，设定背景区域和小目标区域，更为真实的表现背景与小目标的区域分布；然后计算外核目标与背景在四个方向上的对比度及内核目标区域内的相似度，若双核度量同时达到设定阈值条件，则判定为真实目标点，这样消除背景边缘及噪声的影响，减少目标检测虚警。实测数据表明，与传统的高通滤波法、Top-hat 算法相比，该算法能在单帧检测上更有效检测出小目标，抑制背景边缘和噪声点，提高抗噪能力，降低虚警率，增强帧间目标的检测识别率，能大大减少序列图像间目标检测与跟踪的计算量。

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。