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。

为了在多噪声环境中精确提取激光条纹中心，采用改进的灰度权重模型, 提取激光条纹的亚像素中心。通过均值阈值法以及改进的灰度权重模型对3维激光成像系统采集的图像进行了处理，并与传统的算法进行对比。结果表明，该算法能够较为完整地提取激光条纹区域，并且其平均拟合相关系数为0.9809（最接近1），平均列坐标最大差值为0.4518pixel（最接近0）,平均变异系数为0.0062（最接近0）,相对其它方法具有更优的结果，能够抑制多噪声环境对于激光条纹提取的影响，精确提取激光条纹的亚像素中心，具有较好的鲁棒性。该算法为精确提取激光条纹的中心提供了参考。

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。