针对无人机集群打击海面运动目标的时空协同问题, 提出了一种指定时间协同控制方法。将每架无人机与其邻居之间的相对运动转化为含指定末端时刻的最优跟踪器, 针对打击构型生成、打击构型保持两个含指定时间参数的控制目标, 分别设计了不同的二次代价函数, 通过龙格库塔法求解控制律, 可以驱动无人机集群在指定时刻精准地生成打击构型, 实现同时打击, 并在后续指定时段内保持打击构型, 实现持续打击。仿真实验结果证明, 无人机集群可在指定时刻生成期望的编队构型并保持期望构型, 对运动目标实现跟踪。

为了更好地抑制太阳耀光对海面目标探测的影响,基于偏振检测技术并结合背景水体、太阳耀光与典型海洋目标三者之间的偏振特性差异提出了一种海面太阳耀光抑制方法。分析了观测天顶角、太阳天顶角对太阳耀光背景下海面目标偏振度以及海面目标与太阳耀光背景对比度的影响,结果表明,在晴朗天气下对海面目标进行探测时,背景辐射主要受太阳辐射从海面直接反射产生的辐亮度影响。可见光波长550 nm与670 nm对太阳耀光的抑制效果无明显差异,均在53°观测天顶角附近、50°~60°太阳天顶角方向以及太阳天顶角和观测天顶角之和为106°左右时对太阳耀光的抑制效果较好。该研究对于提升海面目标与太阳耀光背景图像的对比度以及海面太阳耀光背景下的目标检测效果具有重要意义。

海面目标跟踪任务是实现水面无人艇自主化航行、智能化作业的重要基础。相比于普通场景的目标跟踪, 海面目标跟踪需要面对目标抖动剧烈及目标尺度变化大等问题。针对海面目标在图像画面中抖动剧烈的问题, 本文提出了搜索区域自适应算法, 该方法通过对海面场景的分割完成了海天线位置的提取, 然后通过海天线运动模型自适应地确定了每帧图像中目标搜索的区域; 针对跟踪过程中海面目标尺度变化较大的问题, 本文通过分割搜索区域的方法实现了目标尺度变化的自适应跟踪。基于相关滤波跟踪框架并结合上述两种改进策略, 在真实的海面目标图像测试序列中, 本文算法相比传统的相关滤波算法在跟踪精度上至少提升了26%, 有效地解决了目标抖动剧烈和尺度自适应问题, 提高了海面目标跟踪任务的精度。

针对传统的红外海面目标检测方法所存在的缺陷，即很难准确的捕获模糊目标区的外部轮廓，提出了一种基于快速杂交拟合能量模型的红外海面目标检测方法。该方法有效的融合了小波多尺度分解、海天线提取、多级滤波及杂交拟合能量模型。在将图像数据牵引至杂交拟合能量模型所对应的演化过程之前，经历了局部子带内的多级多带宽的滤波处理，最后将子图内的检测结果映射到原始的图像数据上。定量地评价了所提算法在信杂比增益、背景抑制因子及检测概率等指标上的性能。实验结果表明，相比传统的目标检测算法，该方法获得了更高的检测概率。

针对海面目标密集且类型多样、杂波虚警点多导致跟踪过程中错误关联率高的问题，提出一种基于速度分区与多信息利用的海面目标关联算法。该算法首先将所关心的目标按其速度大小分成3类，分别对应不同的速度区间; 在每个速度区间内，设置不同的距离和速度波门，并结合目标的形状大小、幅度、紧凑程度等特征信息分别采取不同的关联规则，然后对海面目标航迹进行滤波处理; 实测数据处理结果表明，该算法能够获得良好的跟踪效果。

针对传统红外目标检测与识别方法所存在 的问题,即其处理过程总是盲目地对全图进行耗时搜索,提出了一 种基于视觉注意机制和水平集方法的红外海面目标检测与识别方 法。首先,搜索原始图像中的显著性区域,并以获胜点的形式 表示它们。接着,基于所得到的显著性区域,自动初始化水平集函 数,并使演化过程朝着期望的目标轮廓方向挺进,直至演化过程到 达最终的平衡状态。最后,针对远距离(近距离)成像时的输入数 据,给出检测结果(基于不变矩和神经网络框架的识别结果)。对 真实红外海面目标进行的实验证实了本文方法的有效性。