针对闪元传统标定方法的不足，提出一种结合灰度域图像和能量域图像进行复合条件工作点闪元标定的方法。该方法解决了单一工作点对闪元激发条件不够充分和探测器非均匀性所造成的闪元漏检等问题。实验验证表明，单一工作点上闪元检测率平均提高了12.49%，与传统方法相比，整体闪元检测率提高了9.41%。本文所提方法有效提高了闪元的检出率。

研究了传输栅掺杂，即N+TG和P+TG，对满阱容量以及暗电流的影响。沟道电势分布受传输栅与衬底功函数差的影响，随着钳位光电二极管和浮动扩散节点之间的势垒高度的增加，feedforward效应被抑制，满阱容量增加。另一方面，处于电荷积累状态的沟道可以降低暗电流。基于四管有源像素工作过程进行仿真，结果表明，在曝光期间不加负栅压的情况下，基于P+TG的像素的满阱容量相对N+TG的提高了26.9%，其暗电流为N+TG的0.377倍。当电荷转移效率大于99.999%时，N+TG的开启电压需高于2.3 V，而P+TG的开启电压需高于3.0 V。

全景鱼眼光学系统的成像圆通常为完整的圆形，小于感光芯片的垂直方向尺寸，相比长方形芯片，圆形成像圆面积较小，芯片有效像素利用率低。结合全景鱼眼光学系统成像圆小于芯片的特点，介绍一种基于自由曲面设计的全景鱼眼光学系统，可实现椭圆形成像区域，大大提高芯片有效像素的利用率。采用光学设计软件，构建自由曲面模型，运用玻璃镜片加塑料镜片混合构成的方法，通过消像差和控制不同温度场下焦点漂移设计非对称全景鱼眼光学系统的成像区域为椭圆，实现了镜头成像像高X方向接近芯片的水平尺寸，Y方向接近芯片的垂直尺寸。在不考虑制造公差的理想情况下，对于4:3芯片，根据圆和椭圆面积公式可得圆形成像区域的芯片像素有效利用率约为58.9%，椭圆形成像区域的芯片像素有效利用率约为78.5%。仿真和计算结果表明，采用椭圆形成像光学设计比圆形成像光学设计的芯片有效像素利用率提升15%左右。

开展水稻无人机高光谱解混, 获取水稻植株的高光谱反射率信息, 对于提高水稻理化参量的反演模型精度具有重要意义。 目前大多基于高光谱遥感影像自身数据进行解混, 运用算法模型进行高光谱数据解混, 将高光谱图像和可见光图像进行优势互补, 提出一种基于无人机高清影像与高光谱遥感影像融合的稻田无人机高光谱解混方法, 解决单一数据局限性问题, 增强光谱数据对地物的描述能力。 为了更好的计算端元丰度, 将同一目标区的高清数码正射影像与无人机高光谱遥感影像利用经纬度信息进行空间配准, 使得不同传感器获得的图片在几何位置上对齐, 通过SVM分类器的监督分类方法对可见光的数码正射影像进行地物分类, 利用地物分类的结果对应高光谱的一个像元, 从而得到一个像元内的端元丰度。 设相邻区域内的水体端元是相同的, 利用线性解混模型(LSMM)对相邻区域的混合像元进行解混, 最终获取水稻高光谱反射率信息。 结果表明对两种图片进行空间配准丰富了数据源信息, 有利于像元的端元丰度计算, 其中水稻端元丰度在70%以上解混效果最好, 丰度在50%以上解混效果一般, 丰度在30%以下解混效果较差; 选择监督分类方法进行地物分类, 精度达到99.5%, 面向对象方法分类精度为98.2%, 监督分类方法优于面向对象分类方法; 最终得到的混合像元分解反射率高于原混合像元反射率, 减少了水体混合部分对光谱数据的影响, 使得分解后水稻的光谱反射率更加准确, 为水稻理化参量无人机成像高光谱遥感反演提供更加准确的科学依据。

受红外焦平面工艺和材料的限制，红外探测器不可避免存在盲元、闪元等缺陷像元。盲闪元与红外点目标在灰度分布和尺度上一致，易造成远程红外探测系统的虚警和漏检。为此，提出了一种面向红外点目标检测的基于时空统计特征的缺陷元动态实时修复算法。在深入剖析缺陷元的基础上，构造空间极值滤波算子提取当前帧特征掩码，在时间域对历史掩码值进行累加、结合概率动态统计进行多维判定，同时引入图像金字塔对盲元、闪元、缺陷元簇进行提取，最终采用多尺度中值滤波对缺陷元进行剔除。实验将DDR3作为片外存储进行FPGA的硬件移植，结果表明：所提算法可适用于各类需要执行点目标检测的场景，能动态更新并修复新增缺陷像元，计算复杂度低实时性强，缺陷率从6‰降为0.046‰，检测准确率达到98%。