复杂海空背景下红外小目标检测和跟踪算法决定了光电跟踪设备的探测性能。为了解决复杂海空背景下的红外小目标检测跟踪难题, 提出了一种复杂海空背景下的红外小目标抗干扰检测跟踪算法。在检测阶段, 为了抑制不同区域中各类杂波, 该算法利用不同的分类器分别区分不同区域的杂波和小目标; 在跟踪阶段, 为了进一步剔除孤立噪声和杂波干扰, 采用高斯混合概率假设密度滤波器进行目标航迹维持。在仿真视频上进行的目标检测跟踪实验表明, 所提算法相比以往的跟踪算法, 正确跟踪率提升了约10%, 平均跟踪精度提升了约50%。该算法具有较好的工程可行性。

基于红外目标检测的算法在**和民用领域发挥着重要的作用, 然而, 在低信噪比条件下, 对于飞机、船舶等红外斑状目标的检测存在难度大, 误检率、虚警率高等困难。对此, 提出了一种基于机器学习的红外斑状目标的算法, 检测像素面积在3×3到100×100的红外目标。算法部分采用了形态学方法对目标进行预提取, 并使用HOG特征提取与SVM机器学习分类出真实目标。算法分别在大、中、小三个尺度的目标检测上实现了94.01%、92.86%和92.19%的检测精度。此外, 在SoC平台上实现了该算法, 在低资源使用率的基础上, 算法具有很高的实时性。

标定是利用相机进行测量的重要步骤。标定计算相机的内、外方位元素, 直接决定了多目视觉测量的精度。在传统的相机标定中, 需要设置一定数量稳定、高精度测量的控制点。而在大视场、天空背景下, 无法满足上述布设条件。为了实现高精度的相机标定, 提出一种可实现内、外参一体化标定的稠密时角标定技术, 该技术利用无人机模拟恒星星体, 在相机视场内均匀布设控制点并解算标定参数。在解算过程中, 针对无人机RTK精度不稳定性, 以及特征点提出可靠性提出了非线性最小二乘牛顿-高斯内插算法(WTLS)并得到较高的标定精度。最后采用视场角为77°×66°的相机数据分析验证, 实验表明该方法的标定精度高, 标定误差优于0.3°, 可有效应用于天空背景的大视场相机标定。

从斜程能见度探测原理出发,利用SBDART(Santa Barbara DISORT Atmospheric Radiative Transfer)模式求解辐射传输方程,对天空背景辐射进行了详细的理论仿真与分析。利用SBDART 模式自带的气溶胶模型,仿真得到了不同类型气溶胶模型在晴天条件下的天空背景辐射结果,探讨了太阳直接辐射和大气散射辐射以及不同高度上大气散射辐射的分布趋势,分析了气溶胶单次散射反照率和不对称因子对结果的影响。提出了激光雷达结合SBDART模式的实际天空背景辐射的计算方法,以实测扫描激光雷达的气溶胶探测数据作为SBDART模式的输入参数,计算获得了实际大气中太阳直接辐射以及不同高度处天空背景辐射的分布结果。为了验证结果的正确性,利用太阳光度计同步测量的太阳直接辐射,进行了对比验证,两者具有较好的一致性,相关系数达到0.99。以黑体为目标,初步探讨了天空背景辐射对斜程能见度的影响,结合激光雷达和SBDART模式所得到的实际天空背景辐射可为斜程能见度精确反演提供保证。

为满足对天空背景辐射进行实时光谱测量和特征提取的需求,基于光纤光谱仪研制了一台一体化天 空背景辐射计,可测量340～1030 nm波长范围内的天空背景辐射光谱,波长分辨率优于0.5 nm, 具有定点测量、全天空扫描测量两种工作模式。在介绍系统总体结构的基础上,描述了光学组件、 转台系统、跟踪模块、嵌入式控制系统及恒温控制模块等硬件部件的结构,以及上位机软件的 设计思路、设备工作流程和定标方式。最后分析经光谱辐射定标后的测量数据,初步验证设备 工作的可靠性,为天空背景辐射的实时测量及光谱特性研究提供了有效手段。

天光背景扣除是LAMOST 1D光谱数据处理中重要的环节, 其扣除好坏直接影响光谱产品质量, 因此构造理想的超级天光光谱模型具有重要的意义。 通常超级天光是由与目标天体同时观测的天光光纤光谱构造而成, 同一区域的天光背景可能随着不同的观测时刻有着规律性的变化特征（如月相变化）, 如果能充分分析并利用这些特征, 可有效校正超级天光模型, 从而提高减天光效果。 轨迹聚类方法是一种分析目标随时、 空变化特征的有效工具, 针对LAMOST天光光谱中可能存在的变化规律, 给出一种基于轨迹聚类的天光光谱特征分析方法。 主要分以下三部分: 首先是天光光谱的时序化描述。 LAMOST pipeline采用且提供了每个观测天体的即时超级天光光谱, 为了获取特定天区背景天光的光变特征, 需选择天光光纤光谱以及扣除目标天体光谱的背景光谱, 以5°视场（LAMOST望远镜视场）为单位, 按观测日期MJD均匀分组, 从而对特定区域的天光光谱进行了时序化表征; 其次给出基于密度的天光光谱数据聚类算法STK-means。 为解决随机参数导致收敛及聚类效果不理想的问题, 在分析天光光谱时序数据特征的基础上, 给出基于密度的相似性度量公式, 并作为传统k-means聚类的初始参数选择依据, 从而给出基于密度的天光光谱数据聚类算法STK-means; 最后进行实验分析。 实验验证了该方法的正确性和有效性以及不同初始参数K值的选择对聚类结果的影响。 在此基础上, 利用STK-means聚类方法, 对LAMOST第一期巡天中一个完备小天区的天光光谱时序数据进行了轨迹特征分析, 结果表明, 除个别光谱质量较差或常说异常外, 该特定区域的天光背景以农历每月十五、 十六为中心向两边呈对称分布, 反映了该区域观测过程中受月相的影响变化情况, 该特征经量化后可为校正超级天光模型提供一种有效途径。 同时, 由于时序化描述过程中均匀采样的要求, 该方法可适用于反银心、 盘、 晕等高天体数密度区域, 而对于高银纬低数密度区域则需要更长时间的巡天观测。 此外, 该方法还可有效发现特定区域的离群(异常)天光光谱, 为天文学家进一步分析提供珍稀样本。

方差加权信息熵作为稳健的红外背景复杂程度定量描述指标, 在红外弱小目标检测中取得了不错的效果, 但由于其计算复杂, 导致算法实时性差, 很难在工程上应用。为了能快速地在红外复杂天空背景中识别到弱小目标区域, 对传统的基于图像方差加权信息熵的滤波算法进行改进。先对图像进行显著性区域分割, 粗略地得到显著性区域, 然后对显著性区域计算双分析模板区域方差加权信息熵差值, 根据复杂天空中典型区域的双分析模板区域方差加权信息熵差值的特点将候选目标区域识别出来。实验表明, 用本文算法既可以排除大量的复杂天空背景干扰区域, 又大幅缩短了算法运行的时间。

针对复杂海天背景下红外弱小目标难以检测与识别的问题，提出了基于海天线检测实现远距离弱小目标识别的方法。该方法对采集到的红外图像进行相关处理。通过用多级小波变换方法抑制背景杂波噪声提高目标信杂比；然后使用多方向Gabor滤波融合方法增强海天线边缘，并通过霍夫变换方法实现海天线定位和检测；最后通过定位海天线确定海天线附近区域的目标搜寻范围，缩小目标点潜在区，从而提高弱小目标在海天背景下的检测和识别概率。

为解决现有星模拟器只关注星图模拟精度而忽略天空背景模拟的问题, 设计了具有均匀天空背景的高精度静态星模拟器.重点阐述星模拟器的组成和工作原理, 详细论述光学系统优化设计方法.根据模拟器光学系统透镜大、精度高的特点, 采用筒套筒的镜筒设计形式; 为了保证星图模拟精度, 采用激光直写技术制作星点板, 刻划精度优于±1 μm.测试结果表明: 设计的具有均匀天空背景的高精度静态星模拟器的星图模拟精度优于3″, 天空背景均匀性优于95%, 满足导航敏感器的高精度地面标定与功能测试需求.

为获取更精细的背景辐亮度分布信息，提出基于光纤光谱仪和二维转台对全天空背景光谱辐射进行测量的方法。可实现定点观测及全天空扫描两种工作方式。详细介绍了测量原理、系统的组成、定标的原理及方法等。经过一次全天空扫描可获得649个光谱辐射亮度采样样本，每个样本的光谱分辨率为0.5 nm。各个样本测量位置作为像素点，相应位置上各波段的辐亮度值作为灰度值，可得到各波段的全天空背景光谱辐射分布图。该方法为之后的科学研究提供了更详细的信息。