受红外焦平面工艺和材料的限制，红外探测器不可避免存在盲元、闪元等缺陷像元。盲闪元与红外点目标在灰度分布和尺度上一致，易造成远程红外探测系统的虚警和漏检。为此，提出了一种面向红外点目标检测的基于时空统计特征的缺陷元动态实时修复算法。在深入剖析缺陷元的基础上，构造空间极值滤波算子提取当前帧特征掩码，在时间域对历史掩码值进行累加、结合概率动态统计进行多维判定，同时引入图像金字塔对盲元、闪元、缺陷元簇进行提取，最终采用多尺度中值滤波对缺陷元进行剔除。实验将DDR3作为片外存储进行FPGA的硬件移植，结果表明：所提算法可适用于各类需要执行点目标检测的场景，能动态更新并修复新增缺陷像元，计算复杂度低实时性强，缺陷率从6‰降为0.046‰，检测准确率达到98%。

各类光谱信号都会受到噪声和基线畸变的影响, 在提取光谱信号过程中若不考虑基线畸变和噪声的影响, 将会严重影响信号提取的精度和准确性, 所以需要在信号提取前消除噪声和基线畸变的影响。 大多数信号提取算法的步骤是先提取整体基线, 再提取信号, 这样难以保证基线的提取精度。 为了降低信号提取过程中背景噪声、 基线畸变等不利因素的影响, 根据信号的存在总是会导致该区域的统计特征不同于背景的特点, 提出了一种基于显著度和统计特征的光谱信号检测与提取算法(SSD算法)。 首先, 在待测数据的不同尺度空间中计算出信号在各尺度下的显著度, 将检测出的显著信号点作为候选信号点; 其次, 利用信号特征去除候选信号点中的伪信号点; 最后, 对候选信号点所在区域采用二次多项式进行基线拟合以剔除伪信号区域并实现最终的信号提取。 为验证SSD算法的综合性能, 首先, 通过仿真的方法对高斯信号和矩形信号在不同基线类型、 不同信噪比下进行实验; 然后将该算法与AirPLS算法、 Wavelet算法以及DoG算法对两种信号在不同信噪比, 不同基线类型下的提取结果进行比较。 仿真实验结果表明: 与其他算法相比, SSD算法信号提取结果基本不受信号类型和基线畸变类型的影响, 且当信噪比大于40时基本不受信噪比的影响; 在不同基线畸变类型下, SSD算法对两种信号提取结果的准确度、 稳定性、 离散度均较好, 其他算法则只适用于某种基线畸变类型。 从总体提取结果上看, SSD算法提取结果的绝对误差的均值仅为AirPLS算法的8.71%、 Wavelet算法的3.52%、 DoG算法的2.01%; 绝对误差的均方根也仅为AirPLS算法的13.08%、 Wavelet算法的5.45%、 DoG算法的3.11%。 因此, 所提出的SSD算法在提取信号时具有良好的综合性能, 能够在不同的信噪比及基线畸变情况下准确的提取出信号。

为更好地保留原图像信息，提高图像融合性能，提出一种改进VGG卷积神经网络与边缘像素统计特征相结合的融合算法。首先，该算法将完整图像拆分成图像块，以图像块的预处理来获取较高的图像分类，精度达到0.985以上，以改进的VGG卷积神经网络来加快模型收敛速度，当图像块输入到网络当中，可以初步得到二分类的权值矩阵。其次，在高频细节部分，对于左聚焦图像和右聚焦图像的清晰模糊模块分别进行模糊化处理，根据像素点之间的统计特征经阈值分割后得到有明显边界的权值矩阵。最后，结合两次分割的权值矩阵，通过加权求和的融合策略，得到处处清晰的聚焦图像。为说明算法有效性，在实验部分展示其融合主观视觉效果图与信息熵等客观评价，该算法对比其他算法表现突出，可较好地保留原图像的信息。