本文针对飞机目标，提出了基于多域网络(MDNet)的改进网络用于飞机跟踪的快速深度学习(FDLAT)跟踪网络，使用迁移学习弥补目标跟踪的小样本集缺陷。卷积层作为特征提取层，全连接层作为目标和背景的分类层，采用特定的飞机数据集来更新网络参数。训练完成之后，结合回归模型，采用简单的线性更新对飞机进行跟踪，算法实现了飞机旋转、相似目标、模糊目标、复杂环境、尺度变换、目标遮挡以及形态变换等复杂状态的鲁棒跟踪，速度达到平均20.36 f/s，在ILSVRC2015 飞机检测数据集上成功率均值达到0.592，基本满足飞机实时跟踪。

颜色传递是近年来图像处理和计算机视觉领域的热门研究问题，随着立体图像技术的发展，对于立体图像的颜色传递越来越受关注。本文提出一种双目立体图像的颜色传递方法，在完成颜色传递的同时力求提升用户的观看体验。根据用户实际需求，可以对目标对象进行颜色传递，而保持背景的颜色不改变。在本文提出的方法中，由用户指定图像对象，然后用图割的方法进行图像分割，根据所选对象与目标图像颜色特征的多元高斯模型匹配完成颜色传递。为了进一步增强观看效果，本文在颜色传递的同时进行非线性视差优化，从而提高目标对象的深度感。本文从不同立体图像库中随机选取图像进行实验，实验结果表明，本文方法中颜色传递和视差优化的结合，可以很好地提升立体图像的观看体验。

卷积神经网络在单标签图像分类中表现出了良好的性能，但是，如何将其更好地应用到多标签图像分类仍然是一项重要的挑战。本文提出一种基于卷积神经网络并融合注意力机制和语义关联性的多标签图像分类方法。首先，利用卷积神经网络来提取特征；其次，利用注意力机制将数据集中的每个标签类别和输出特征图中的每个通道进行对应；最后，利用监督学习的方式学习通道之间的关联性，也就是学习标签之间的关联性。实验结果表明，本文方法可以有效地学习标签之间语义关联性，并提升多标签图像分类效果。

针对现有激光主动制导**导引头易受欺骗式干扰的技术现状，提出了采用伪随机序列编码提高其抗干扰性能的新构想。利用伪随机序列抗干扰性能较好的特点，可以使激光主动探测目标系统既能实现远距离主动探测目标，又能有效防止外界干扰，提高系统性能的可靠性。本文结合Arduino IDE、Arduino UNO R3 单片机、示波器与YAG 激光器等实验仪器，设计并实现了一种抗干扰性能良好的伪随机序列激光制导信号产生系统。该系统可以用于新型目标指示器的研究。

为了突出图像纹理细节的同时保留平滑区域，节省确定分数阶微分阶次的时间，提出了一种改进的自适应分数阶微分算子。首先将经典Tiansi 模板分解为四个不同方向，分别与待处理像素点进行卷积，达到增强图像纹理细节的效果；其次针对Tiansi 算子需通过多次实验确定最佳微分阶次的现状，结合图像的局部特征信息，构建了具有自适应能力的分数阶阶次模型，能够获得比原图像更丰富的细节信息。对多组不同场景图像的实验结果表明：构建的自适应分数阶微分算子有效地增强了图像的纹理细节，自适应分数阶微分算子的主观视觉效果和客观评价指标均优于原图像，其客观评价指标中的平均梯度、信息熵、对比度相比原图像平均提高190.3%、8.1%、18.3%；平均梯度、对比度相比Tiansi 算子处理后的图像平均提高45.0%、9.6%。

当前车辆辅助驾驶系统的一个主要挑战就是在复杂场景下实时检测出多遮挡的行人，以减少交通事故的发生。为了提高系统的检测精度和速度，提出了一种基于改进区域全卷积网络(R-FCN)的多遮挡行人实时检测算法。在R-FCN网络基础上，引进感兴趣区域(RoI)对齐层，解决特征图与原始图像上的RoI 不对准问题；改进可分离卷积层，降低R-FCN 的位置敏感分数图维度，提高检测速度。针对行人遮挡问题，提出多尺度上下文算法，采用局部竞争机制进行自适应上下文尺度选择；针对遮挡部位可见度低，引进可形变RoI 池化层，扩大对身体部位的池化面积。最后为了减少视频序列中行人的冗余信息，使用序列非极大值抑制算法代替传统的非极大值抑制算法。检测算法在基准数据集Caltech 训练检测和ETH 上产生较低的检测误差，优于当前数据集中检测算法的精度，且适用于检测遮挡的行人。

光纤陀螺(FOG)输出易受环境温度的影响，发生漂移导致光纤陀螺测量精度降低。采用传统的BP 神经网络容易陷入局部极小值，导致网络训练失败。为了优化BP 神经网络，本文提出了一种粒子群(PSO)优化BP 神经网络与小波降噪相结合的光纤陀螺温度漂移补偿方法。首先分析了光纤陀螺温度漂移产生的原因；然后在不同温度下对光纤陀螺进行测试，最后采用该方法建立了光纤陀螺温度漂移模型并根据模型对光纤陀螺进行补偿，结果表明采用该方法补偿后光纤陀螺在不同温度下的输出标准差降低了60.19%，与传统的BP 神经网络相比补偿效果显著提高。

人体医学热红外图像直观反映了人体表面的温度分布，通过对红外图像进行深入分析能够提供智能化疾病辅助诊断依据。本文根据实际医学红外图像分析的需要，提出了上下半身图像拼接和人体部位划分两种预处理算法。在图像拼接阶段，根据图像采集环境的实际情况，首先对图像进行局部阈值分割，然后采用二值和灰度模板对上下半身图像进行对齐和融合。在区域划分阶段，通过对人体轮廓线进行极值点扫描确定部位区域关键点，并将人体图像划分成头部、躯干及四肢等区域。实验表明，本文所提出的红外图像预处理方法能获得满意的图像拼接及部位划分结果，可有效支持人体温度分布的定量及定性分析。

视频图像中的小像素目标难以检测。针对城市道路视频中的小像素目标，本文提出了一种改进YOLOv3 的卷积神经网络Road_Net 检测方法。首先，基于改进的YOLOv3，设计了一种新的卷积神经网络Road_Net；其次，针对小像素目标检测更依赖于浅层特征，采用了4 个尺度检测方法。最后，结合改进的M-Softer-NMS 算法来进一步提高图像中目标的检测精度。为了验证所提出算法的有效性，本文收集并标注了用于城市道路小像素目标物体检测的数据集Road-garbage Dataset，实验结果表明，本文算法能有效地检测出诸如纸屑、石块等在视频中相对于路面的较小像素目标。

传统无人机机载光电平台目标定位算法由于引入大量测角误差，导致目标定位精度不高。本文从非线性角度出发，提出了一种最小二乘和高斯牛顿的混合非线性算法。首先推导了基于激光测距值的高斯牛顿迭代非线性目标定位算法，然后利用线性最小二乘的粗解作为非线性牛顿迭代法的初值进行目标定位估计。该算法结合了最小二乘法简单易实现的优点和高斯牛顿法收敛速度快精度高的优点，并满足了高斯牛顿法对初值精度的要求。实测数据实验结果显示，该方法对实测固定目标定位结果的经度误差小于(1.37×10-5)°，纬度误差小于(6.31×10-5)°，高度误差小于1.78 m，并且单次定位处理时间在6 ms 以内，符合实时定位的要求。