以无人机（UAV）集群为研究对象，针对空天红外探测系统对UAV集群的探测能力进行分析。将UAV集群飞行过程划分为三个阶段并对其红外辐射特性和成像特性进行建模分析；对于探测距离模型建模过程中对目标成像的弥散特性考虑较少的情况，建立了基于弥散系数的噪声等效通量密度（NEFD）点目标探测距离模型。为验证所提出的探测距离模型的有效性，采用不同建模方法、不同弥散系数对比的方法分析探测距离随目标的信噪比（SNR）和速度的变化情况。仿真结果表明所提模型的探测距离优于其他建模方法，探测距离随着目标飞行速度的增加而增大，随着信噪比的增加而增大，同时弥散系数随着探测距离的变化而变化，所建立的弥散系数求解方法得到的探测距离优于其他方法。

以图像非局部相似性为基础, 利用图像分块重组以获得低秩块图像, 是将鲁棒主成分分析算法(robust principal component analysis, RPCA)应用到单帧图像红外小目标检测的基本方法。本文介绍了 RPCA算法在单帧图像红外小目标检测的应用流程, 分析了不同图像背景下各种分块方法的影响。为解决复杂背景下图像分块窗口和滑动步长难以选择的问题, 提出了以图像分块最小局部熵的较大值为参考的选择方法。实验结果表明, 通过计算图像的分块局部熵, 以最小局部熵的较大值为参考, 选择 RPCA算法预处理方案, 能使单帧红外图像小目标检测达到更好的效果, 弥补了工程人员缺少 RPCA算法应用经验的不足。

针对重构算法影响压缩成像目标检测效率和结果的问题, 提出一种二维非重构自适应阈值的红外弱小目标检测算法。基于Hadamard矩阵构建的二维观测模型, 利用Hadamard矩阵的特性对压缩差分图像进行解压缩, 直接解码目标的空域特征, 并利用改进的自适应阈值法对解码后的图像进行目标检测, 避免了重构带来的存储空间和运算时间的浪费。仿真实验表明: 在单目标和多目标的情况下, 该算法都可以有效检测目标, 并在检测率、虚警率和运算时间等指标上具有优越性能, 为压缩感知红外弱小目标检测的工程应用提供新的思路和有效算法。

分析导弹尾焰可知, 影响其光谱变化的主要因素包括发动机、燃料等, 故根据尾焰光谱可以达到导弹型号识别的目的。为保证识别效率, 用特征光谱代表尾焰特征, 可大大缩减数据量。首先根据光谱差模型计算出各波长处的辐射差, 通过设定阈值将辐射差分段, 高于阈值的波段即为所选的特征波段。改变积分步长和阈值可获得几组不同数据。分别采用光谱角匹配算法(Spectral Angle Matching algorithm, SAM)和模糊算法对不同精度和不同特征波段的数据进行处理, 得到识别结果。以识别结果的正确率和待识别样本与各型光谱的相似度距离为衡量标准, 模糊算法识别效果可与SAM相当, 但其在算法复杂度方面优于SAM。

目前基于天基高光谱图像的导弹识别算法都是从光谱曲线的整体分析考虑, 所需数据量大, 算法处理冗余。为弥补算法不足, 首先从导弹尾焰光谱的影响因素考虑, 分析了导弹发动装置, 燃料成分及温度压强对尾焰光谱的影响, 得出在一定假设条件下, 使用特征段处的辐射数据即可达到导弹识别的结论。在此基础上引入模糊识别算法, 算法充分利用辐射强度与光谱线型信息, 识别结果是各型号导弹的隶属概率。通过对光谱角测度分析, 发现其过于依赖线型, 对线型相近的谱线识别效果不佳, 将模糊识别结果与光谱角测度识别结果对比, 证实了模糊算法在光谱识别中的优越性。

助推段导弹有高温、大面积的尾焰,根据尾焰光谱特征可准确识别导弹。将其应用到天基预警系统能够使导弹防御系统趋于完善,但光谱信息数据量庞大,从获取光谱信息到识别光谱信息需要耗费大量时间。为此,寻找能够代表导弹尾焰光谱的特征光谱,使用模糊算法对特征光谱进行数据处理,以达到准确、快速识别的目的。利用已有的红外图像和大气、云层、导弹及飞机尾焰光谱数据进行特征光谱图像拟合,经信噪比分析后可知,特征光谱图像比全波段红外光谱图像的信噪比高。分别使用模糊算法和光谱角测度对拟合图像进行处理,结果表明模糊算法的实时性和准确性优于光谱角测度。

光谱图像包含丰富的空间信息和光谱信息,能够为天基预警探测任务提供重要的信息支撑,但其庞大的数据量给硬件设备带来了极大的挑战。传统的基于奈奎斯特采样的“先采样后压缩”的处理方式不仅无法从根本上解决数据量庞大的问题,还会造成资源浪费;针对此问题,利用单波段二维图像的稀疏性和空间编码数据的谱间冗余,设计了一种基于空间域压缩采样和谱域Karhunen-Loève (KL)变换编码的光谱图像重构方法,并建立基于 ₁ 范数和全变分约束的单波段二维图像复合正则重构模型,同时结合投影梯度法和软阈值收缩算子设计2D-CRPG模型求解算法。结果表明:基于空间域压缩采样和谱域KL变换编码的光谱图像重构方法能够有效降低数据采样成本,有利于天基预警探测光谱成像;2D-CRPG重构算法能够有效保留光谱图像的结构信息,从而在有限的采样率下较好地重构原始光谱图像。

天基红外预警卫星远距离探测时获取的弹道目标特征信息匮乏，代表物质固有属性差异的光谱信息可作为目标识别的主要依据。将尾焰特征光谱信息作为识别的重要手段，综合考虑尾焰光谱吸收特性和特征光谱提取原则，采用改进的向前和向后间隔偏最小二乘法建立特征波段提取模型，以新型自适应变权重光谱相似性测度（SAVM）实现目标与特征光谱数据库的匹配，提出了基于尾焰特征光谱的主动段弹道目标识别方法。仿真实验进行了特征波段提取与SAVM优越性的验证，相较于全波段光谱匹配识别法，提出的方法所需数据量更小、识别精度更高。研究内容可为红外预警卫星系统优化探测识别能力提供有意义的参考。

针对复杂背景下红外弱小目标提取困难的问题, 提出了一种自适应 SUSAN各向异性扩散的红外弱小目标检测算法。该算法结合 SUSAN边缘检测算子与各向异性扩散, 形成新的扩散方程对红外图像进行背景预测, 与原图像差分后实现弱小目标检测。为使算法具备自适应能力, 提出 SUSAN边缘检测器灰度差阈值的自适应设定方法, 采用绝对偏差中值算子作为其扩散系数。实验结果表明, 该算法能够有效滤除复杂图像背景, 大幅提升信噪比, 同时保留目标大小。

复杂背景抑制是天基红外预警系统中红外弱小目标探测技术的一个关键环节。为降低复杂背景下杂波干扰，提高目标检测精度，利用非下采样轮廓波变换（ NSCT，non-subsampled contourlet transform）的多尺度分解及多方向分解特性以及图像矩阵奇异值分解（ SVD， singular value decomposition）不同奇异值代表图像不同能量信息的特点，提出了联合 NSCT和 SVD的红外图像背景的抑制方法。首先依据非下采样轮廓波变换思想对红外原始图像进行多尺度多方向分解，得到与原始图像同样大小的不同尺度和不同方向上的子带图像，然后，利用奇异值分解的中序部分奇异值调整各子带图像矩阵系数以区分目标和背景杂波，最后对调整后各子带系数组成的矩阵施加 NSCT逆变换，最终获得抑制背景处理后的图像。对比实验表明，该方法能够在低信噪比环境下有效抑制复杂背景及边缘，突显目标，降低虚警率。