在航天光学遥感领域,提高相机成像的动态范围和微弱光照条件下目标探测的灵敏度,始终是科技工作者们不懈追求的目标。本文针对数字域TDI CMOS成像技术,充分发掘其成像链路中可以植入有效改进成像性能方法的突破口,以成像过程中的实时图像处理为主要手段,实现高动态范围、高灵敏度成像,具有重要的理论和应用意义。图像传感器是遥感相机光电转换的中枢环节。随着CMOS设计与制造工艺的发展,其灵敏度、噪声抑制等方面性能得到了长足发展,已逐渐接近甚至在一些指标上超越CCD。然而数字域TDI CMOS应用具有先天的弱点,即多级图像累加过程使读出、量化等噪声被叠加,相比于单级图像,除灰度水平和信噪比得到一定程度提高外,实际的成像动态范围和暗目标探测能力仍然受限。从定义的角度考虑,要提高相机的动态范围,直接的措施包括增大像元的满阱电荷数和减小噪声;而提高相机的灵敏度,直接的措施包括增大像元的量子效率和感光面积。但受当前的CMOS制造工艺和应用条件限制,这些指标所能到达的水平已难以满足更高的要求。因此,必须寻找传感器以外的其他方面的措施。数字域TDI累加过程中,可缓存得到诸多不同级数即近似于对同一场景的多曝光图像,为开展基于图像处理方法实现高性能成像算法的研究提供了十分宝贵的素材。本文围绕数字域TDI CMOS遥感相机高动态高灵敏成像技术,主要开展了以下工作:(1)多级数图像特征评价与增强方法研究以图像最佳细节纹理特征提取为目标,提出将熵值和平均梯度作为多级数图像筛选的评判指标。提出一种熵值最大化的自适应直方图均衡化(Entropy Maximized Adaptive Histogram Equalization,EMAHE)算法,解决了图像区域自适应直方图均衡化方法增强效果不明确的问题,能够根据图像的具体特征,自动选定最佳的变换参数,具有良好的算法稳定性和普适性。(2)增强后图像的融合算法及权重因子选择方法研究为进一步传递并融合多级数图像增强所得到的良好的图像细节纹理特征,提出运用基于图像梯度金字塔形分解的融合方法,并将增强后图像各分解层在各方向上的熵值作为融合权重因子进行加权平均运算,从而使融合得到的图像具有较高的熵值和平均梯度指标,有效提高其包含的信息量,并具有较清晰的细节纹理特征。(3)基于移位Binning的高灵敏度成像方法研究针对数字域TDI成像链路引入一种基于移位Binning的成像性能改进方法,以实时图像处理为手段解决暗目标探测能力不足的问题,能够在大幅提高成像灵敏度和信噪比的同时,将成像分辨率保持在一定水平上,对于提高相机在微弱光条件下的目标探测能力具有显著作用。实验表明,本文提出的高动态范围、高灵敏度成像理论和方法,能够有效改进数字域TDI CMOS在高动态场景及微弱光照条件下的目标探测能力;并为其他相关的光电成像技术研究提供良好的借鉴。