以干涉高光谱成像模型为基础，提出一种结合先验约束的空谱信息同步复原模型，通过非负低秩特性和全变分（TV）正则项分别约束复原高光谱图像的谱间强相关性和空间分段平滑特性，并采用L₁范数和Frobenius范数分别对干涉数据中的稀疏性噪声和高斯噪声进行建模。模拟和真实干涉数据的对比实验验证了所提方法的有效性。相比于传统的干涉数据复原方法，所提方法在准确复原目标光谱信息的同时，能够有效地消除干涉图混合噪声的退化影响，从而提高复原高光谱图像的数据质量。

提出一种基于低秩约束惩罚最小二乘（LRPLS）的基线校正方法。利用惩罚最小二乘模型综合考虑拟合基线对干涉图的保真度和平滑度的影响，同时引入有效干涉图和噪声的低秩-稀疏先验约束条件，从而构建联合低秩矩阵恢复和惩罚最小二乘的正则化框架，并采用基于增广拉格朗日乘子的迭代优化算法进行求解。在“嫦娥一号”卫星干涉成像光谱仪（IIM）数据上的实验表明，所提方法在去除基线的同时，能够保留干涉图的有效信息。相比于现有的基线校正方法，所提方法具有更好的稳定性和抗噪能力；校正后复原高光谱影像得到显著提升，对于改善干涉成像光谱仪数据质量具有较高的实际应用价值。

随着无人机技术在**、民用等领域的广泛运用,高精度、低功耗智能无人机跟踪系统的需求也日益增多。针对无人机跟踪任务中目标尺度变化大、视野角度多变、遮挡等问题,提出了一种基于轻量级Siamese注意力网络的无人机实时跟踪算法。首先,选取易于部署在嵌入式设备中的轻量级卷积神经网络MobileNetV2作为特征提取主干网络;接着,设计通道空间协同注意力模块,增强模型的适应能力与判别能力;然后,搭载区域建议网络,通过互相关获取前景背景分类和边界框回归响应图;最后,加权融合多层响应图,调整候选区域筛选策略,计算得到更加准确的跟踪结果。在无人机跟踪数据集上的仿真实验结果表明,相对于当前主流算法SiamRPN,该算法跟踪精度提升了3.5%,能更好地应对复杂多变的场景。同时,在NIVIDA RTX 2060 GPU上,跟踪速度达到60 frame/s。

在目标检测中, 通常使用候选区域提高目标的检测效率。为解决当前候选区域质量较低的问题, 本文将卷积边缘特征、显著性及目标位置信息引入到候选区域算法中。首先, 利用卷积神经网络将待检测图像生成更富有语义信息的边缘特征, 并通过边缘点聚合及边缘组相似性策略, 获取每个滑动窗口的边缘信息得分; 其次, 利用显著性目标的局部特征, 统计每个滑动窗口中的目标显著性得分; 第三, 根据目标可能出现的位置, 计算每个滑动窗口中的目标位置信息得分; 最后, 利用边缘信息、显著性及位置信息的分数确定候选区域。在PASCAL VOC 2007验证集上进行实验, 给定10 000个候选区域, 交并比取0.7时, 所提算法的召回率为9050%, 较Edge Boxes算法提高了3%。每张图像的运行时间大约为076 s。结果表明, 本文算法可快速产生较高质量的候选区域。

针对Edge Boxes算法召回率不高的问题, 并结合目标的显著性检测, 提出了一种基于颜色距离与Edge Boxes候选区域算法。首先利用结构化边缘检测算子获取图像的边缘特征, 并通过边缘点聚合及边缘段相似性策略, 获取每个边缘段的权值; 其次, 在待检测图像上无重叠采样若干图像块, 记作C图像块, 并将C图像块向周边延拓像素, 获取S图像块; 然后, 根据颜色直方图, 计算两图像块各颜色通道的卡方距离, 并赋予合适权重作为该C图像块的显著性得分; 最后, 统计滑动窗口内边缘段的数量和C图像块数, 确定候选区域。在PASCAL VOC 2007验证集上实验, 当交并比取05, 0.6, 0.7, 候选区域个数为2 000时, 与Edge Boxes相比, 所提算法的召回率分别提高了0.46%, 0.35%, 0.57%。每张图像的运行时间大约为0.43 s, 这表明, 所提算法以牺牲微小计算资源却能够有效改善候选区域质量。

为提高复杂场景中目标跟踪算法的准确性与实时性,提出一种基于多层深度卷积特征的抗遮挡实时目标跟踪算法。针对目标跟踪任务,先对深度卷积网络VGG-Net-19进行微调,再提取目标区域的多层深度卷积特征。根据相关滤波框架构建位置相关滤波器,确定目标中心位置。设计尺度相关滤波器对目标区域进行不同尺度采样,确定目标尺度。目标遮挡时,采用阶段性评估策略进行模型更新与恢复,解决模型误差积累问题。选取目标跟踪评估数据集OTB-2015(100组视频序列)与UAV123(123组视频序列)进行测试。实验结果表明,本文算法具有更高的准确性,能够适应目标遮挡、外观变化及背景干扰等复杂情况,平均速度为29.6 frame/s,满足目标跟踪任务的实时性要求。

针对非线性回归下客观评分与主观评分一致性差的问题，本文提出一种基于稀疏表示的SOM多失真图像质量评价方法。首先，将参考图像及失真图像应用独立变量分析进行稀疏化表示，应用稀疏表示下的参考图像与失真图像间的结构相似度描述失真图像的质量，再使用SOM聚类算法和交叉验证方法提高非线性回归下的客观评分与主观评分之间的一致性。最后，在LIVE2, TID2013及IVC数据库中的实验结果显示，所提评价模型性能优越；3种数据库的平均结果说明，该文方法的总体性能高于现有的经典算法，表明该文方法能够很好地反映图像的视觉感知效果。通过对比时间效率，该方法基本能够满足实际要求，具有较高的适用性。

射频涡旋电磁波等相位面呈涡旋状, 是一种携有新自由度-轨道角动量的电磁波。在轨道角动量模式理论分析的基础上, 提出了在中心频率6 GHz处产生携有轨道角动量的涡旋电磁波的一种圆微带天线阵新结构, 设计了以双层圆形微带天线为阵元组成的圆形阵列天线, 通过控制馈源的相位差, 得到模式量子数为0, 1, 2, 3, 4的轨道角动量。仿真结果表明: 携轨道角动量的电磁波矢量电场图具有涡旋波阵面的特性, 合适的阵列半径和馈线排列分布将产生携有良好轨道角动量特性的涡旋电磁波, 而不当的阵列半径或馈线排列分布将出现能量的分散或者相互耦合的问题。