针对目标识别任务规划及模板制备的实际需求，为实现目标及其所在场景可识别性程度的定量评价，提出了一种基于证据理论的场景可识别性分析算法。在获取目标及其所在场景的保障数据，并设定成像参数后，首先选取一定数量的显著地物作为场景的节点；然后，从尺度显著性、形状唯一性和可视性三个方面评估各个地物在不同观察角下的可识别性程度，并以此作为场景中各节点的基本信度分配；最后，通过地物轮廓点数定义表征各节点间相互支撑度的条件信度函数，利用证据理论进行推理、融合各个节点信息，得到整个场景的可识别性分析结果。实验结果证明，使用文中算法得到的分析结果合理、有效，能够满足任务规划的需求，具有较大的工程实用价值。

前视红外海天场景图像中的舰船目标可能面临着信噪比低、尺寸差异大等问题, 为了更好地突出目标、抑制背景, 提出了一种基于多尺度局部对比度的前视红外舰船目标增强方法。首先分析了前视红外海天图像中的场景内容, 然后定义了一种新的局部对比度度量——相对区域对比度度量(RRCM), 通过改变网格窗口的尺寸构建了多尺度局部对比度度量(MRRCM), 最终得到了尺度不变局部对比度图像。实验结果表明, 所提方法可以适应前视红外图像中多类型多尺寸的舰船目标, 显著提高目标信号的信噪比(SNR)和信背比(SBR), 与其他方法相比, 所提方法的舰船目标增强效果更好, 尤其是对于暗弱目标区域;另外, 所提方法运算速度快, 并且可以借助并行处理和积分图像进一步加速运行。

阵元数太多导致前视阵列SAR系统天线成本高和设计复杂，如何以较少的阵元数获取较高的成像质量是前视阵列SAR系统面临的重难点问题.根据系统成像质量要求，结合波束扫描、栅瓣抑制等技术，本文提出一种稀疏收发天线阵的设计方法.理论分析和仿真实验结果表明，该方法在保证一定成像质量的前提下，有效降低了阵元数量，提高了系统信噪比，具有一定的应用价值.

结合毫米波体制和双站毫米波合成孔径雷达(SAR)前视成像技术, 开展毫米波双站SAR前视成像算法的研究.在双站SAR前视成像系统中, 较大的前视角引入了多普勒质心偏移和严重的距离徙动, 因此普通双站SAR的成像算法无法直接移植到双站SAR前视成像中.针对以上问题, 论文首先提出了一种基于瞬时多普勒分析的改进Loffeld's Bistatic Formula (MLBF)二维频谱求解方法, 相比于现有方法, 该方法能更准确的得到双站SAR前视回波信号的二维频谱.在此基础上又推导出了适用于毫米波双站SAR前视成像的Omega-k算法; 最后通过仿真实验, 验证了提出算法的有效性和优越性.

针对飞行器未知环境下自主地形跟随问题, 提出了基于前视序列图像天地线的地形跟随方法, 并利用适应角法设计了制导律, 该方法利用被动成像实时探测飞行前方地形信息, 降低了对数字地图保障及高精度导航的需求。六自由度非线性数学仿真结果表明 : 基于前视序列图像天地线的方法较传统基于数字地图的方法, 地形跟随平均离地高度可降低35%以上, 可大幅提高飞行器超低空突防性能。

根据飞机地面最小操纵速度试飞的光电测试需求, 提出一种基于前视跑道图像的飞机偏心距精确测量技术, 通过在飞机中后段机腹中心线上加装前视高速数字摄像机, 获取飞机运动时跑道及飞机起落架的前视序列图像, 通过图像判读获取飞机主起连线与跑道标识线交点的亚像素坐标, 在摄像机测量参数高精度标定的基础上, 根据摄影测量的单站定位原理精确解算交点在物方空间坐标系下的坐标, 进而获取飞机偏离跑道中心线的距离。飞行试验测试结果表明, 该测量方案切实可行, 数据直观可靠, 可实现3 cm的测量精度, 完全满足试飞测试任务需求。

提出了基于纹理粗糙度的红外图像显著性检测算法, 以解决红外图像对比度低, 目标显著性检测难的问题。首先, 研究了Tamura的粗糙度原理, 对粗糙度进行分析和评价, 提出了新的粗糙度计算方法。然后, 将图像分解为超级像素集合, 并计算超级像素的最大平均强度差; 利用最大平均强度差定义超级像素的最佳尺度, 作为纹理粗糙度的度量。最后, 将超级像素区域均匀外延, 利用粗糙度的局部对比度和灰度信息度量红外图像的显著性。通过实验验证了本文算法的有效性, 结果表明: 在10%的噪声水平下, 本文粗糙度保持不变,粗糙度特征图一致性较好, 而Tamura的粗糙度特征图中杂点明显增多。与其它显著性检测算法对比, 本文算法击中率最高, 为0.752。该算法挖掘了红外图像的纹理粗糙度特征, 为红外图像显著性检测提供了新的特征选择。

提出了一种新型的基于激光收发阵列的前视合成孔径激光雷达(SAL)成像系统。给出了系统的结构模型, 分析了系统成像原理, 详细推导了点目标的回波模型和适用于前视SAL的ECS算法, 最后通过Matlab对6点目标的情况进行了成像仿真, 对点目标峰值中心的64×64点切片和方位向、距离向包络进行了详细分析, 结果表明该系统可以有效地对雷达前视场景进行成像。

We apply graph matching method to detect infrared small moving targets using image sequences. Candidates (interest points) detected in the first frame form one graph and the same candidates in the last frame form another one. The real moving targets are extracted by matching these two graphs. Experimental results demonstrate that the proposed method is robust and efficient to the translation and rotation of the background.