基于分数傅里叶变换的光学图像加密与身份验证技术

为准确估计捷联导引头视线角速率，建立了捷联式光学图像导引头数学模型，根据弹目运动相对关系进行视线角速率估计算法研究。定义了估计算法所需坐标系并建立了导引头与陀螺数学模型；根据弹目相对运动学及姿态关系建立视线角速率估计非线性状态方程；针对滤波精度与实时性应用的问题，提出无迹Kalman滤波(UKF)方法估计视线角速率，并建立半物理实验系统进行算法验证，实验结果表明：视线角及视线角速率的最大估计误差分别为0.37°与0.68°/s，估计精度分别为0.1008°与0.2116°/s；数字信号处理器(DSP)中算法运行时间约为3.8 ms，视线角速率估计算法同时能满足制导系统对精度与实时性的要求。基于UKF的视线角速率估计算法为捷联式光学图像导引头的工程应用提供理论依据。

多模光纤是一种厚散射介质,当目标图像经过多模光纤传输时将形成多种模式耦合,从而在光纤的输出端生成散斑图案。基于深度学习对多模光纤成像进行复原,解决了厚散射介质成像失真的问题。采用DenseUnet,并以散斑图样作为模型的输入来重建目标图像。DenseUnet模型采用融合机制加深了网络的深度,提高了重建的准确性,并具有很好的鲁棒性。实验结果表明,DenseUnet可以很好地对具有不同长度的多模光纤产生的散斑图像进行重建。