为进一步提高事件传感器光流估计的精确度，解决平面拟合算法的拟合模型误差问题，提出一种事件传感器平面拟合光流估计改进算法。该算法采用Prim贪婪算法思想，从事件流中提取有效事件，获取最优局部邻近事件集，为后续光流估计奠定基础。同时，采用特征值算法代替传统最小二乘法，结合贪婪算法下事件集内数据的优劣排序，优化平面拟合模型的建立，提高光流估计算法的精确度。实验结果表明，相比于现有的基于平面拟合的事件传感器光流估计算法，该算法在平均端点误差和平均角度误差两个指标上分别约提升20%和11%，有效提升了事件传感器光流估计算法的精确度。

为了提高复杂动态环境下精密稳像系统的质心定位精度,提出了一种基于生成对抗网络(GAN)的方法,以解决载体运动引起的星斑拖尾问题。传统的高斯模型先验方法对噪声敏感,盲反卷积方法采用简化模型估计模糊核,与真实值误差较大。所提方法结合了运动流图的运动方向和GAN的优化细节,将运动流图与模拟星点作为监督信号,采用端到端的形式复原星斑图,无需先验信息与迭代计算,并且可以抑制噪声。实验结果表明,相较于R-L方法,所提方法复原星斑后峰值信噪比提升了30.5%,质心定位精度提高了33.4%。

针对复杂云背景下的弱小目标探测，提出了一种基于光流估计和自适应背景抑制相结合的弱小目标检测算法.首先根据红外图像中云的移动规律，对云背景下的红外图像进行光流分析，提取运动云区.在光流场的计算中结合了云运动的特点以及光流方程的两个约束条件，对传统的基于梯度的光流法予以改进.同时发现移动云区对目标探测的影响较大，为了抑制移动云区对弱小目标的干扰，提出了自适应抑制复杂背景的算法，在光流场分析提取的移动云区中，利用代表背景复杂程度的背景因子，自适应调整分割阈值，抑制复杂背景的干扰.这样只在容易引起虚警的移动云区进行背景抑制处理，简化了计算量，降低了云区对弱小目标的干扰，减少了虚警和误判.实验结果表明该算法可以显著减少云区造成的虚警，并且能够探测出弱小目标.

提出了一种基于局部光流约束的角点匹配算法。首先采用Harris算子获得当前帧和参考帧的角点,然后以角点的光流特征作为约束条件, 根据两帧图像角点集的坐标分布, 排除异常角点, 完成角点的精确匹配, 实现图像之间的高精度运动估计。通过对视频序列进行实验, 采用差图法可主观地发现该运动估计算法的有效性；以峰值信噪比作为评价指标, 发现原始视频序列的帧间峰值信噪比明显低于仿射视频序列的帧间峰值信噪比。前者的平均值为22.8072, 后者的平均值为33.3854, 从而客观地说明了该算法的有效性和稳定性。

针对复杂天空背景条件下低信噪比的红外弱小目标检测问题,提出了一种基于对称差分和光流估计相结合的目标检测算法。对序列红外图像做对称差分运算,通过图像差减运算和自适应阈值分割提取目标可能的运动区域,并对区域做扩张和叠加处理,得到连续帧间目标可能出现的区域。计算每个区域红外图像的光流场,对光流场进行阈值分割,辅以数学形态学滤波等方法,检测区域中的目标。该算法充分利用对称差分运算计算量小和光流检测准确度高的特点,在保证检测准确度的同时大大减少了目标检测算法的计算量。实验及结果分析表明,基于对称差分和光流估计的目标检测算法能实时有效地检测出复杂天空背景下的红外弱小目标。