光电经纬仪是现代靶场中常用的大型光学检测设备,主要用于自动捕获跟踪进入视场范围内的远距离飞行目标,以获得其飞行位姿、几何形态以及飞行轨迹等内容的数据。这些数据对科学研究和军事国防领域都有着重大的意义。由于被测目标造价昂贵、不可回收再利用且运动速度极快,若成像系统无法及时的处理响应离焦信息,就会造成成像模糊的后果,损失大量的细节信息。无法采集相对准确的测试数据,大大提高试验成本。目前,光电经纬仪多采用通过主动获取物距、结合环境因素补偿的方式进行自动计算调焦。但由于主动式调焦需要辅助设备发射信号进行探测,在进行某些需要隐蔽的任务时,容易被反侦察,而且提前对场地进行辅助设备布置不符合光电经纬仪走向灵活、便携的趋势。因此,不需要布置辅助设备、不需要发射信号测量的被动式自动调焦成为了该领域的热门研究方向。基于图像信息的自动调焦技术就是被动式自动调焦领域的热点之一。本文紧抓研究热点,紧跟领域智能化的趋势,结合统计机器学习的方法,针对定焦光学系统,训练出使用2-3帧有序图像就可以预测出当前物距准焦位置的多分类模型。对此,本文主要进行了以下的研究工作:1)查阅调研了光电经纬仪及其自动调焦技术在现代军事、研究中的重要作用、发展现状及发展方向,了解了对自动调焦系统进一步研究的迫切性。并对国内外各类自动调焦技术进行了研究分析。2)分析研究了光学系统准、离焦成像的几何模型。对影响系统成像清晰程度的主要因素进行分析。从成像原理出发,对物距产生的影响进行了几何分析和推导,论述了物距与焦深、景深以及成像系统参数之间的关系。3)对现有图像清晰度量化方法进行分析,选取了能够满足调焦需要的功率谱清晰度评价函数。根据应用场景需要,使用了图像的尺寸以及平均亮度来设计评价函数的系数,在降噪的同时,减小了图组中图像大小不一、亮度不均对清晰度评价曲线的影响。4)依据统计机器学习解决问题的一般步骤和方法,分析了自动调焦问题输入输出关系。为将图像数据进行数据结构化,使用功率谱评价函数对图像的清晰程度进行量化提取,并使用标定后的图像获取位置、图像量化值(DFM值)的比值关系以及差值关系构建较为稳定的特征,制作了能够描述两点值之间关系和三点值之间关系的数据集。5)基于第四章所构建的结构化数据集,对图像自动调焦的非数值离散数据多分类问题,采用了符合性能要求的极端随机森林算法进行训练建模。使用了单决策树和随机森林算法作为极端随机森林算法的对比项,固定主要参数,直观的评价了算法的性能。通过精准率、召回率、f1＿scores得分,以及混淆矩阵展示的结果得出:基于两点值关系数据集和三点值关系数据集通过训练都可以得到较好的分类结果,但三点值数据集训练得到的模型更准确和稳定,得分更高。在三点值数据集中通过极端随机森林算法训练得到的分类模型,保证f1＿scores大于0.76的情况下,对单分类预测的精准度可以达到0.92。