在计算机视觉研究中, 传统的小视场、可见光相机获取信息有限, 对特殊环境适应能力差。为了增加信息的获取量, 提高适应环境的能力, 需要用到双目超大视场红外相机。针对双目超大视场红外相机标定精度低的问题, 基于一种通用相机模型, 结合主动红外辐射标定板, 提出了一种标定方法。通过该相机模型中的标定原理, 对双目超大视场红外相机内部参数和外部参数进行了准确标定。实验结果显示: 焦距、基线距离标定误差、标定角点平均重投影误差分别低于0.99%,0.24%,0.60像素, 较高的标定精度验证了所提方法的正确性。

随着高光谱图像技术的不断发展, 光谱分辨率和空间分辨率不断提高, 相比于其他遥感图像, 能够获得更为精细的光谱特征。 这为地物的高精度分类、 解混和目标检测等研究领域提供了理论平台, 其中由于高光谱异常目标检测技术不需要地物的先验信息, 更符合实际应用的需求。 针对现有的大多数高光谱异常目标检测算法只关注目标和背景在光谱信息方面的差异, 而忽略两者空间信息的差异, 导致检测精度不高的问题, 提出了一种基于空谱联合异常度的高光谱异常目标检测算法。 该算法不需要假设图像的背景模型, 建立在滑动双窗口的基础上, 提出了光谱异常度和空间异常度两个概念。 在光谱异常度计算中, 考虑了波段间的非线性特征, 采用光谱角匹配的核函数方法进行检测, 基于双窗口模型的基础上逐个计算中心像元与局部背景像元的核光谱角并设置阈值来获得中心像元的光谱异常度; 在空间异常度的计算中, 由于物质在空间方面的聚类特性, 通过构建像元点的空间窗模型能够得到代表像元类别的图像块灰度向量, 同时求解不同像元之间图像块灰度向量的欧式距离并设置阈值来获得中心像元的空间异常度; 最后将中心像元的光谱异常度与空间异常度进行加和则可得到中心像元的空谱联合异常度, 基于滑动双窗口模型对整幅图像的像元进行逐个检测, 即可得到图像的异常检测结果。 采用AVIRIS的三组真实高光谱数据对所提算法进行仿真实验, 并与传统的RX算法、 LRX算法和KRX算法进行对比研究, 结果表明本文算法具有较好的检测效果, 与KRX算法相比, 运行速度具有较大幅度的提升。

高光谱遥感技术通过成像光谱仪记录带有地物光谱信息的辐射信号, 获得包含光谱信息和空间信息的三维高光谱图像, 在光谱解混、 图像分类、 目标检测等方面取得了广泛的应用。 近年来, 随着遥感技术的发展及人们对获取目标准确位置的需求逐渐加大, 目标检测取得了较快的发展。 根据是否提前掌握目标光谱作为先验信息, 目标检测分为光谱匹配检测和异常检测。 光谱匹配检测需要目标光谱作为先验信息, 通常检测精度较高、 效果较好。 而异常检测不需要先验信息, 应用范围更广, 但是检测精度通常低于光谱匹配检测。 由于实际应用中缺少完备且实用的光谱库, 先验信息的获取较为困难, 不需要先验信息的异常检测成为研究的热点。 针对异常检测与光谱匹配检测相比精度较低的问题, 提出一种基于近似后验信息的高光谱异常检测算法。 首先利用矩阵分解算法对原始高光谱图像数据进行矩阵分解, 得到纯净的背景矩阵与包含噪声的异常矩阵。 舍弃异常矩阵, 将得到的背景矩阵作为近似背景信息。 然后计算图像所有像元光谱向量与背景矩阵中均值向量的马氏距离对图像进行初始异常检测, 得到初始异常像元, 将初始异常像元光谱取均值作为近似目标信息。 最后将近似背景信息与近似目标信息作为先验信息, 进行正交子空间投影得到最终的异常检测算法。 将本算法作用于图像中所有像元, 得到对整幅图像的异常检测结果。 为证明本算法的优良效果, 采用一组仿真数据和一组AVIRIS真实高光谱数据进行实验, 并与RX, LRX和LSMAD算法进行对比。 实验表明, 无论是从定性的角度还是定量的角度来看, 该算法能够有效抑制噪声, 在信噪比较低的情况下仍然可以有效地检测出图像中的异常目标, 检测精度较高并且对检测效率的影响不大, 取得了较好的检测效果。

在红外光谱中, 大气对不同波长辐射透过率不同, 透过率较高的波段范围称为大气窗口。 为在大视场角范围内探测目标在长波红外光谱的辐射, 弥补传统可见光相机在复杂环境下不能探测目标的缺陷, 超大视场长波红外相机应运而生。 相比于传统可见光相机, 超大视场长波红外相机覆盖视场大, 能够用于夜间、 烟雾等复杂环境, 具有一定穿透效果。 双目超大视场长波红外立体视觉系统可用于车辆夜间辅助驾驶, 军用无人化作战平台全天候信息侦察等领域。 作为实现立体视觉的第一步, 标定的准确性严重影响立体视觉中物体三维重建精度, 因此提高标定准确性是立体视觉研究中的关键问题。 标定目的是求出立体视觉成像的内部参数和外部参数, 内部参数描述相机镜头成像的物像关系, 外部参数表示两个相机之间的相对位置关系。 但超大视场长波红外相机成像畸变严重、 分辨率低、 图像对比度低, 对立体视觉标定造成极大困难。 为准确标定超大视场长波红外立体视觉外部参数, 在Scaramuzza通用相机模型基础上提出了一种基于最小二乘法的外部参数标定方法; 为评价内外参数标定结果准确性, 以常用单目角点重投影误差评价内部参数为基础, 引入外部参数, 提出一种双目角点重投影误差评价方法。 为验证方法有效性和准确性, 使用主动红外辐射标定板生成角点, 分别采用视场角（FOV）为180°和210°的两组双目超大视场长波红外相机, 在不同位置上进行标定实验。 实验结果显示, 常用的Bouguet方法双目平均重投影误差（BMRE）在0.782～0.943 pixels, 而基于最小二乘法方法BMRE处于0.620～0.754 pixels, 实验数据表明该方法有效降低了双目角点重投影误差, 提高了外部参数标定准确性。 此外, 评价方法操作简便、 客观准确, 避免在评价过程中对物点三维重建从而引入额外误差, 并且不需要高精度三维坐标测量设备。

针对混合输入输出(HIO)等数值攻击算法攻击联合变换相关器(JTC)加密系统运行时间长、攻击效率低的问题, 设计了一种基于光路迭代的光学唯密文攻击系统。该系统充分利用了光学系统高速并行处理的特点, 通过光束在光学系统中的光学傅里叶变换取代在计算机上的数字傅里叶变换, 显著缩短了攻击算法的运行时间, 有效提高了对JTC加密系统的攻击效率。仿真结果表明, 相较于HIO攻击算法, 在迭代次数相同的条件下, 基于光路迭代的光学唯密文攻击系统有效减少了算法的运行时间, 显著提高了对JTC加密系统的攻击效率。

为了得到忠于人眼视觉特性的真彩色夜视图像, 根据典型目标夜间光谱特性以及微光夜视系统的成像模型, 基于最小欧氏距离原理, 提出了一种三波段真彩色夜视光谱划分方法。设置了实验室场景和室外场景, 对本文中提出的光谱划分方法与传统光谱划分方法进行了对比实验, 并对得到的真彩色夜视图像细节(空间频率)做了分析。结果表明, 相对于原始微光图像, 空间频率分别提高了61.2%, 52.0%; 本文中的方法对于典型目标(绿色草木)具有更好的彩色还原效果; 基于最小欧氏距离的光谱划分方法可将夜间可见光分离为三波段, 并可有效利用其光谱信息, 得到对于典型目标的具有自然感彩色且较原始微光图像信息量更为丰富的真彩色夜视图像。

为了得到具有自然彩色的夜视图像, 彩色夜视技术的研究成为夜视技术研究领域的一大热点。介绍了夜视技术的发展概况和获得具有自然感彩色夜视图像的彩色夜视技术手段, 主要可分为硬件方式和软件合成的方式, 其中软件方式主要有基于多传感器图像融合的方法和基于色彩传递的方法。详细介绍了两种方式的技术方案, 并对彩色夜视技术做出了技术展望。

针对低秩稀疏矩阵分解的高光谱异常目标检测算法忽略了图像的空间信息, 导致检测精度低的问题, 提出了一种联合空间信息的改进低秩稀疏矩阵分解的高光谱异常目标检测算法。算法综合利用了高光谱图像的光谱信号与空间信号, 并与图像自身的稀疏性相结合, 对经典的基于低秩稀疏矩阵分解的目标检测算法进行改进, 该算法以待测像元为中心构建一定大小的空间窗, 计算中心像元与邻域内其他像元的空间相似度权值和光谱相似度权值, 通过计算邻域内其他像元对中心像元的比例权值得到了中心像元的重构光谱值并作差得到两者的残差矩阵; 最后基于低秩稀疏矩阵分解的高光谱异常目标检测算法得到图像的稀疏矩阵, 将代表异常目标信息的稀疏矩阵和残差矩阵相加并求解矩阵行向量之间的欧式距离得到像元的异常度, 设置阈值, 得到检测结果。为验证所提算法的检测性能, 采用了真实的高光谱数据进行仿真实验, 并与现有算法进行对比, 结果表明该算法能够得到更高的检测精度。

对于使用随机相位模板(RPM)作为密钥的双随机相位编码(DRPE)加密系统, 唯密文攻击算法(COA)是一种有效的攻击算法。为了提高DRPE加密系统抵抗COA算法攻击的能力, 提出了一种基于随机Radon变换的JTC加密系统。该系统对待加密图像进行随机Radon变换, 再使用JTC加密系统对其加、解密。除了DRPE加密系统中的RPM密钥之外, Radon变换参数亦被用作恢复原始图像的密钥。仿真结果表明, 相比于仅使用RPM密钥的DRPE加密系统, 基于随机Radon变换的DRPE加密系统可以有效抵抗COA算法攻击, 提高加密系统的安全性。