在静止场景下普通的图像滤波算法就能够有效抑制噪声，而在运动状态下，现有的滤波算法难以保证去噪的有效性，还会产生拖尾现象；采用运动补偿的滤波算法，又无法有效地抑制噪声。针对以上问题，提出一种基于时空域滤波的视频去噪算法，并在现场可编程逻辑门阵列（Field Programmable Gate Array，FPGA）平台上实现。该算法主要运用高斯差分滤波提取图像特征，再用空域滤波抑制高频噪声，采用反馈的方式对分割出的图像区域采用不同的去噪策略。硬件实现的关键是利用高层次综合（High-level Synthesis，HLS）工具简化编程、DDR3控制模块操作视频流在各模块间输入输出。实验结果表明：该算法能有效去噪，不同场景下，相比基于非下采样轮廓波变换的去噪算法，峰值信噪比最多可提升15 dB；将算法移植到FPGA后，峰值信噪比相比于MATLAB软件仿真相差约0.3 dB，运行时间缩短71.5%以上，在兼顾实时性的同时达到了较好的可见光视频去噪效果。

地球临边场景仿真是卫星红外探测领域的关键组成部分，是空中高速目标远距离探测场景模拟的重要基础。临边观测下的地球表面近似于球面，传统的基于海洋三维形态并计算表面辐射特性的海洋红外图像仿真方法不适用。云层的厚度和高度对红外辐射传输特性的计算有重要影响，视云层为粒子团的处理方法会大大降低仿真的计算速度。因此，研究了海洋和云的红外辐射模型、地球-空间坐标系与红外相机坐标系的转换关系和大气传输模型，提出地球临边场景红外遥感成像仿真方法。根据场景组分的差异，分别建立海洋分布模型、多层云分布模型，并根据海洋和云层的红外辐射与反射特性，构建地球临边场景红外辐射模型。通过地球-空间坐标系与相机坐标系的转换关系，利用大气传输理论和传感器效应仿真，计算各观测角度的地球临边场景卫星遥感红外仿真图像。实验结果表明：仿真得到的红外图像画质清晰，符合地球临边场景红外辐射特性，其平均拉普拉斯算子和可达0.15，平均灰度梯度可达0.70。

为应对积分球辐射定标光源系统中LED阵列的电流稳定可控性对积分球开口处光谱匹配度的影响，设计了一款多通道、高精度以及高稳定性的LED电流驱动电路。该电路是一种压控恒流驱动电路，可通过模拟调光的方式实现对LED阵列驱动电流的线性控制，其以FPGA为控制核心，通过SPI接口对AD5371芯片寄存器进行读写操作，通过AD5371数模转换电路实现对LED驱动电流的高精确度控制。基于循环液体制冷设备和水槽制冷底座实现对LED阵列的温度控制。实验结果表明，该电路可实现LED阵列驱动电流在0~1050 mA连续线性可调，电流调节精度可达量程的0.14%。在控制LED灯座温度为10 ℃时，LED输出光光谱稳定度为0.2%。

提出了一种红外热成像视频中运动目标识别追踪以及轨迹重构的动态仿真方法。通过仿真环境中虚拟红外图像的生成方式与成像的基本模型，对得到的图像进行一系列预处理。以空对空场景搭建了基于Gazebo与OpenCV的动态仿真平台，利用平滑约束算法对追踪目标进行实时动态轨迹重构，提出了误差分析模型，并分析出轨迹重构算法的性能以及仿真平台的效能。实验结果表明，该方法针对空对空场景下的红外运动目标轨迹重构具有较好的精度与鲁棒性，对目标的运动模型基本没有约束，同时仿真平台具有较高的运行效能与实时性，普通家用电脑即可实现高于60 fps的实时动态仿真，满足轨迹重构算法性能测试与训练的需求，其核心算法亦可迁移至机载计算平台实现真实场景下的实时轨迹重构。所提出的单路热成像视频中运动目标轨迹重构动态仿真方法对空间目标三维轨迹重建与动态测距定位的研究具有重要意义。

卷积作为一种简单的线性平移不变运算，被广泛应用于图像处理的各个领域，其衍生出的卷积神经网络更是在人工智能领域中大放异彩。为了应对后摩尔时代AI推理芯片算力受限的问题，光学神经网络应运而生。光学卷积神经网络作为其中一个重要的研究热点对光学神经网络的发展起到了重要的推动作用。设计了一种光学卷积系统，基于微透镜阵列与透镜组成的匀光光路对光场所携带的图像做二维卷积，该系统可以光学实现图像平滑和锐化。当使用空间光调制器来投影卷积核和输入图像时，系统可以实现各种步长的三种卷积形式，也可以通过多次投影/平铺实现多通道的三维卷积，进而为实现光学卷积神经网络用于复杂的图像处理任务奠定基础。

在高背景噪声和低积分时间的激光雷达远距离成像场景中，针对传统方法得到的深度图像目标被噪声淹没和深度估计偏差较大的问题，提出了一种基于信号光子时间相关性和自适应卡尔曼滤波器的深度信息估计方法。首先，提取在时间上具有聚集特征的光子计数形成集合；然后，分析了影响信号光子在时间上分布的因素并使用静态高斯线性模型来描述该集合；最后将集合中的所有光子飞行时间乱序，输入改进的自适应卡尔曼滤波器，从而迭代估计深度值。在信号噪声比为1的室内，积分时间分别为10 ms和1 ms时，本文方法相对传统的最大似然方法在均方根误差指标上提升了40%和38%。在信噪比约为0.135的室外2 km目标成像实验中，在信号光子数分别为100、33和17的情况下，本文方法成像效果都优于传统最大似然估计方法和时间相关光子快速去噪方法，得到的深度图像都更清晰，噪声更低。在高噪声和短积分时间下，本文方法可以被运用于激光雷达远距离成像的深度信息估计和图像恢复中。