针对机器视觉系统中透视投影导致的钢管、桥梁拉索等圆柱表面缺陷测量不准的问题，提出了一种圆柱曲面透视投影失真的图像校正方法。该方法在提取圆柱成像区域、明确横向和轴向方向的基础上，基于圆柱曲面的透视投影特性，将产生的失真分解为轴向变形和横向变形，利用系统成像参数和圆柱半径建立校正图像与原图像的坐标对应关系，通过最邻近插值法进行像素映射实现透视投影失真校正。实验结果表明，该方法对不同直径圆柱的图像均有良好的校正效果，校正后的图像消除了圆柱曲面“近大远小”透视变形和倾斜投影变形；进行棋盘格模拟校正时，6个圆柱棋盘格边长的测量误差从校正前最高的14.9%降低至校正后的1.2%；进行划痕测量时，两种直径的原图像的最大误差分别为78.0%与61.8%，经本文方法校正后，两种直径的最大误差仅为5.9%与5.5%，校正效果显著。

传统的霍夫变换、Cannylines直线检测算法、霍夫概率变换方法在图像上的直线检测效果不佳，存在检测线段不连续不正确的问题，因而，利用Sobel滤波对红外图像横轴和纵轴两个方向分别进行锐化，通过线段检测（LSD）算法实现线段特征检测，进而经线段聚类拟合获得图像中完整的直线，通过对直线交点计算获得消失点，最后依据透视关系计算得到校正图像。实验结果表明，该方法可以实现对中性束红外图像的自动有效校正。

红外弱小移动目标检测技术是计算机视觉的研究热点和难点。针对机载高动态条件下的空地目标检测存在的场景变化动态、背景干扰强度大、目标运动规律未知等挑战，提出了一种新型的基于增量惯导信息辅助的空地红外弱小移动目标检测算法。为了解决传统惯导信息预测的漂移误差问题，提出了增量惯导信息概念，设计了增量惯导信息的位置预测模型，实现了对目标点的准确预测。构建了基于增量惯导信息辅助与背景差分的移动目标检测框架，通过增量惯导信息对不同位姿下的成像进行校正，引入基于爬山法互相关匹配算法计算校正后图像的平移参数，采用高斯加权对背景图像进行估计，最后通过图像分割检测弱小移动目标。仿真实验验证了文中设计检测算法的有效性和精确性。

红外成像探测技术是精确制导的重要手段，随着导弹**向超音速、高超音速方向发展，红外成像探测装置的工作环境更为恶劣。高速飞行条件下恶劣的气动力热环境使红外窗口的结构安全面临极大挑战，激波、窗口等高温辐射源的辐射干扰严重影响红外探测能力，流场和窗口的传输效应降低了探测制导精度。气动光学效应是高速红外探测与传统红外探测的本质的区别，也是决定红外探测应用于高速导弹可行性的关键因素。文中主要介绍了高速红外成像探测的气动力热效应、热辐射效应和传输效应及其影响，阐述了气动光学效应在机理研究、试验研究、数值模拟和抑制校正技术方面的进展，最后给出了高速红外探测气动光学效应研究的思考与建议。

针对辅助驾驶或自动驾驶领域车载图像的车辆压线检测问题，以及检测过程中由于欠曝、阴影或实体遮挡等因素导致的漏检、误检问题，提出基于改进Mask R-CNN与LaneNet的车辆压线检测算法。在网络优化方面，在Mask R-CNN网络的基础上将RoI Align层的图像缩放算法（双线性插值）改进为双三次插值，将全连接层卷积化的VGG16网络取代LaneNet的E-Net共享解码器；在图像增强方面，改进Gamma校正算法以实现欠曝图像的自动校正；在训练数据方面，完成Tusimple数据集中车辆目标的标注并基于改进的随机擦除算法在网络训练过程中进行数据增强。实验结果表明：车辆检测速度保持不变的同时车道线检测速度提升了28%，车辆漏检率、误检率分别降低了38.93%，89.04%，车道线漏检率、误检率分别降低了67.21%，87.05%，算法的性能指标可满足车辆压线判断的应用需求。