超紧凑型单片成像光学系统设计EI北大核心CSCD

针对红外搜索及跟踪系统中折反式光学系统结构复杂,装调困难及成本高的问题,采用了一种一体式折反结构的透镜。在单片透镜的前后表面进行分区域加工,分别镀上内反射膜和增透膜,形成两个反射面和两个透射面,构成折反一体式透镜。将整个光学系统集成在一片透镜上,降低了系统的复杂度和装调难度,提高了系统的稳定性和可靠性。设计了适用于中波红外的紧凑型成像光学系统,远射比达0.62,结果表明该系统像质优良;各视场光学传递函数均大于0.55,接近衍射极限,并且利用二元衍射光学元件在-40℃～60℃实现光学被动消热差;最后利用单点金刚石车床加工出的样机在不同温度下进行成像实验,结果表明在不离焦的情况下,各温度下成像清晰,满足实际加工和应用需求。     

基于短波红外遥感影像的船只自动检测方法

针对近海、内河场景中船只检测准确性低的问题,提出了一种基于短波红外遥感影像实现水体分割和船只自动检测的方法。利用水体在短波红外波段反射率低的特点,采取阈值分割和形态学处理的方法,从影像中快速准确地提取水体区域;使用视觉显著模型搜索水面目标,提取候选目标的图像切片;对可能存在的伪目标,使用灰度分布直方图描述目标切片的灰度分布特征,并结合梯度方向信息通过阈值判别的方法去除伪目标。结果表明,该方法能高效检测近海、内河中不同尺寸的船只目标;显著性检测共获得279个候选目标,经目标鉴别步骤检测出142个真实目标中的138个,虚警率小于6%,召回率大于97%。     

三维卷积神经网络模型联合条件随机场优化的高光谱遥感影像分类

高光谱遥感影像分类通常基于地物光谱特征,但影像中同时还存在丰富的空间信息。空间信息的有效利用能显著提高图像分类效果。因其具有的特殊结构,卷积神经网络(CNN)已成功地应用在图像分类领域,对二维图像分类具有很好的效果。如何通过深度学习并结合空间光谱信息来提高分类性能是一个关键问题。结合高光谱影像中的空间特征与光谱信息,提出一种适合于高光谱像素级分类的深度学习三维卷积神经网络模型(3D-CNN),并在初始分类的基础上利用多标签条件随机场进行优化。选取三个通用公开高光谱数据集(Indian Pines数据集、Pavia University数据集、Pavia Center数据集)进行测试,结果表明分类优化后精度得到很大提升,总体精度可达98%,Kappa系数达到97.2%。     

基于随机点扩散函数的多帧湍流退化图像自适应复原方法

针对湍流退化图像随机性的问题,提出了一种基于随机点扩散函数的多帧湍流退化图像自适应复原方法。首先介绍了随机点扩散函数的图像退化模型,并分析了点扩散函数随机性对图像复原造成的影响,建立了基于随机点扩散函数的多帧图像退化模型。在此基础上,建立了基于多帧退化图像的全变分复原模型,利用前向后向算子分裂法对模型进行求解,提高了算法的运算效率。然后,提出了一种新的自适应正则化参数选取方法,该方法利用全变分复原模型的目标函数计算正则化参数,当正则化参数收敛时,复原图像的峰值信噪比达到最大值,因此利用目标函数的相对差值作为自适应算法迭代终止的条件,可以获得最佳复原效果。最后通过实验分析,算法中退化图像的帧数应不大于10帧。实验结果表明:当取10帧退化图像时,AFBS算法运算时间与单帧的FBS算法相当,信噪比增益为1.4 dB。本文算法对图像噪声有明显的抑制作用,对湍流退化图像可以获得较好的复原效果。     

中波红外长焦距折反光学系统设计

针对多模制导中长焦距红外光学系统结构紧凑及宽温度范围热稳定性的要求,设计了一种中波红外折反光学系统。该系统根据其它模式制导的要求,采用固定焦距和口径的主镜,通过二次成像,在保持长焦距的同时减小了透镜的口径,降低了到达中继成像系统主光线的高度,同时也降低了制造成本。设计了波长为3.7~4.8 μm、焦距f为300 mm、F数为2的中波红外成像系统。结果表明,该系统结构紧凑像质优良,各视场光学传递函数均大于0.6,接近衍射极限,并且在-50~70℃可实现光学被动消热差。针对该光学系统进行了公差分析并提出了抑制杂散辐射的方法,该系统满足实际加工和应用需求。