为解决小型无人机“黑飞”对公共领域的威胁问题。基于无人机目标多模态图像信息，文中提出一种轻量化多模态自适应融合孪生网络（Multimodal adaptive fusion Siamese network，MAFS）。设计一种全新的自适应融合策略，该模块通过定义两个模型训练参数赋予不同模态权重以实现自适应融合；本文在 Ghost PAN基础上进行结构重建，构建一种更适合无人机目标检测的金字塔融合结构。消融实验结果表明本文算法各个模块对无人机目标检测精度均有提升，多算法对比实验结果表明本文算法鲁棒性更强，与 Nanodet Plus-m相比检测时间基本不变的情况下 mAP提升 9%。

不同类型的探测器在成像机理上有不同的侧重点，使得成像图像表征的信息也有所不同，导致单幅图像不能完整地反映场景的有效信息。因此，提取多源图像的互补信息，并去除其中的冗余信息，合成一幅能准确、完整表达场景的复合图像的技术成为了图像处理领域中一项非常重要的技术，图像融合正是这类问题的一种有效解决方法。针对传统多尺度分解的图像融合方法易产生噪声和信息缺失的现象，文中提出了一种基于多层级图像分解的红外与可见光图像融合算法。首先，利用加权平均曲率滤波的边缘保持特性与高斯滤波的平滑特性，构建了多层级图像分解模型。在利用该模型将源图像分解为小尺度层、大尺度层和基层等3个不同层级。然后，针对基层，采用能量属性融合策略进行融合；针对大尺度层，采用复合融合策略进行融合；针对小尺度层，采用最大值融合策略。最后，将融合后的层级进行加和，以重构出最终的融合图像。实验结果表明：文中提出的基于多层级图像分解的图像融合算法能够有效降低噪声产生的概率，同时减少了融合后的信息缺失。

在研究了经典ITTI等视觉注意模型的理论基础上, 结合海面SAR图像背景及目标特点, 对传统视觉模型应用于海面SAR图像的缺陷进行分析总结, 提出一种适用于海面SAR图像视觉注意模型设计算法。首先, 模型借鉴经典ITTI模型的基本框架, 选择并提取了能够较好描述SAR图像的纹理和形状特征, 求取相应的特征显著图；其次, 采用新的特征显著图整合机制替代经典模型的线性相加机制进行显著图融合得到总显著图；最后, 综合各特征显著图下注意焦点的灰度特征, 选择最佳的显著性表征, 完成通过多尺度竞争策略对显著图的滤波及阈值分割实现显著区域的精确筛选, 从而完成SAR图像的显著区域检测。实验采用TerraSAR-X等多幅卫星数据进行仿真实验, 结果验证了模型良好的显著性检测效果, 更符合实际高分辨率图像目标检测的应用需求。通过进一步与经典视觉模型对比分析, 模型在改善了由斑点噪声和不均匀的海杂波背景对检测结果产生的虚警影响的同时, 检测速度也较之提高了25%~45%。

以提升遥感图像和多聚焦图像的融合精度为目的, 结合非下采样剪切波变换(NSST)可以捕捉图像的细节特征, 提出了一种NSST和加权区域特性的图像融合方法。利用非下采样剪切波变换对源图像进行多尺度、多方向分解, 得到低频子带和高频子带, 低频子带系数采用改进梯度投影的非负矩阵分解(NMF), 高频子带系数采用加权区域能量和区域方差相结合的融合策略, 然后应用非下采样剪切波的逆变换得到融合的图像。实验结果表明: 该方法从主观视觉方面很好地保留了多幅图像的有用信息, 给出该方法与其他融合算法在客观评价指标应用信息熵EN、互信息MI和加权边缘信息量QAB/F的比较结果 。

为解决红外图像与可见光图像融合中融合图像质量不高问题, 提出了一种结合量子粒子群优化和邻域统计的图像融合方法。红外和可见光源图像经过多尺度分解成为低频和高频子带。对低频子带, 采用系数加权平均的融合策略, 并通过量子粒子群优化方法搜索最优的融合权值; 对于高频子带, 采用受邻域统计信息调制的系数比较取大融合策略,通过逆变换重构图像得到融合结果。实验结果表明该算法能够很好地将红外图像与可见光图像进行融合, 且融合效果优于其它一些算法。

针对导弹保障资源应急调度最优路径问题，考虑节点需求的优先级，建立了导弹保障资源应急调度决策问题的数学模型，并运用更具优势的基于遗传和禁忌搜索算法的智能算法融合策略优化思想，进一步提高问题求解的质量和效率。最后，将模型及GA&TS融合求解策略应用于实例，验证了模型与算法的有效性。