对地面层自适应光学系统而言，多采用呈正多边形排列的多颗激光导引星星座作为参考来测量大气湍流对系统的影响。针对多颗激光导引星应当如何排布的问题，本文采用简化的地面层自适应光学几何模型作为系统性能评价函数，通过遗传算法优化获得不同湍流廓线下导引星的最优分布。同时，采用多进程、 Numba库和多线程提高海量大气湍流廓线下对整个系统性能的估计速度。利用上述方法，以一个视场为 14′的地面层自适应光学系统为例，用实测的大气湍流廓线数据分析了不同天文观测台址下湍流廓线与最优位置分布的关系。研究结果表明，同一台址下不同数目导引星的最优位置分布差异不大，其统计最优位置均呈中心一颗或角半径接近视场边缘的正多边形分布；不同台址下的导引星最优位置分布差异明显；大气湍流廓线测量的空间分辨率直接影响系统性能评价结果：其测量结果中的等效层数越多，导引星位置分布越接近规则的多边形。

在对Facet模型的方向导数特征进行研究的基础上,针对红外弱小目标提出了一种利用局部方向相对极差计算显著性的方法,以快速有效地提取复杂背景下的红外弱小目标。基于弱小目标单帧检测理论,首先计算原始图像的Facet方向导数特征,然后在Facet方向导数特征图的局部内,沿着导数方向计算相对极差对比度显著图。通过对各个方向上的相对极差对比度显著图进行融合得到最终的显著性图像。最后,采用适当的阈值分割从该图像中提取目标。实验结果表明,本文算法对复杂红外弱小目标图像具有很高的信杂比增益和背景抑制因子。另外,该算法的计算复杂度低且可利用二维卷积加速计算,具有良好的算法实时性,适用于各种处理器平台的工程实现。

幸运成像技术是一种相对简单的事后图像处理技术, 主要是对短曝光图像进行像质评价, 之后选取出高质量图像进行配准、叠加来复原出高分辨率目标图像。根据幸运成像技术的理论算法, 提出了一种适用于地基2.4m大口径望远镜的幸运成像技术方案和GPU局部加速算法流程。使用该方案拍摄的短曝光图像进行幸运成像, 获得了间距为0.3″的双星高分辨率图像。在选图过程中利用GPU设备进行并行计算, 探讨了加速幸运成像算法的可行性以及计算瓶颈的问题。实验结果表明, 在近红外条件下, 2m级大口径望远镜所拍摄的图像, 可以使用幸运成像算法重建出高分辨率的图像, 其FWHM约0.2″; GPU设备能够实现幸运成像算法的加速, 并提高整个算法的效率。