远距离广视角场景中由于红外热成像仪成像原理的局限性、大气环境的干扰、远距离传输介质对红外辐射的衰减，检测目标面临巨大挑战。本文在详细分析了图像背景复杂、目标特性弱小、图像对比度低和结构特性缺失等红外弱小目标图像特性的基础上，从基于目标突显和背景预测两大类概述了单帧红外图像弱小目标检测技术的研究现状，并探讨了红外弱小目标检测研究的发展趋势。

叠层有机发光二极管（Organic Light-Emitting Diode，OLED）白光器件具备低功耗、高亮度、高色域等性能优势。然而，由于效率、寿命及驱动电压等性能仍有较大改进空间，叠层结构的材料及电学结构仍需进一步优化。本文重点介绍叠层OLED白光器件的最新研究进展，总结了三类电荷产生层（Charge Generation Layer，CGL）在工程化应用中存在的问题以及其非破坏性检测方法；综述高效叠层OLED白光器件的“全磷光体系”、“并行通道激子收集”及“混合磷光热活性型延迟荧光（Thermally Activated Delayed Fluorescence，TADF）体系”最新研究成果，对器件寿命问题进行总结，探讨分析“分级掺杂”、“四色混合TADF体系”等从结构方面提出优化方案，并针对不同发光材料体系中的CGL材料及结构综述叠层OLED白光器件实现较低工作电压的技术方法，最后对叠层OLED白光器件的材料和结构提出改进建议。

针对水下照明图像存在不均匀色偏、对比度低和细节模糊等问题，提出了一种基于颜色校正的水下照明图像融合方法。首先利用图像通道间的像素相关性，对红通道进行补偿；然后基于颜色校正图像，利用非线性反锐化掩蔽（Nonlinear unsharp masking）技术获得锐度增强图像，采用具有瑞利分布的限制直方图获得全局拉伸图；最后通过多尺度融合策略生成融合图像。在自建数据集（Real underwater lighting image，RULI）上的实验结果表明：本文方法能够去除混合光照在成像过程中的不均匀散射干扰，并大幅度提高图像的细节清晰度。其图像质量评估指标（Underwater image quality measures，UIQM）和（Image entropy，IE）的平均值分别为4.7399和7.7617，优于现有文献涉及的相关算法。

针对无人机拍摄叶片红外图像背景冗余信息较多、拼接精度不高等问题，本文提出一种基于形态学改进Chan-Vese分割与局部特征匹配的红外风机叶片图像拼接算法，首先，对图像进行中值滤波降噪，使用形态学运算改进基于Chan-Vese模型的水平集算法，生成表达主体的掩膜。基于掩膜去除冗余背景提取局部Harris特征点；对掩膜进行二次形态学腐蚀处理，抑制边界锯齿像素上的伪特征点；最后，使用暴力匹配及随机抽样一致（Random Sample Consensus, RANSAC）算法筛选出有效匹配点对，计算单应性矩阵实现匹配拼接。与传统图像分割下Harris拼接算法相比，本文改进后的算法拼接精度有明显提高，在不同的测试场景下显示出较强鲁棒性。

针对复杂云层背景下红外小目标检测的虚警现象和实时性要求，提出一种基于结构张量筛选和局部对比度分析的新算法。结合目标区域结构张量最大特征值大于其他背景区域结构张量最大特征值的特点，滤除大部分非目标区域，保留少量可疑区域，再对可疑区域进行局部对比度计算，能够增强目标、抑制残留背景，并有效减少计算量。算法步骤如下：首先，在滑动窗口捕获的局部图像区域内构建结构张量矩阵，将最大特征值大于特定阈值的区域标记为可疑区域；然后，对可疑区域进行比差联合型局部对比度计算，生成显著度图；最后，利用自适应阈值分割实现小目标的分离。实验结果表明：该算法在复杂云层背景下具有更高的检测率、更低的虚警率以及更少的运行时间。

在人群计数中，针对尺度变化、行人分布不均以及夜间较差成像条件，提出了一种基于RGB-T（RGB-Thermal）图像的多模态人群计数算法，称为双流残差扩张网络，它由前端特征提取网络、多尺度的残差扩张卷积模块和全局注意力模块所构成。其中，前端网络用来提取RGB特征和热特征，扩张卷积模块进一步提取不同尺度的行人特征信息，全局注意力模块用来建立全局特征之间的依赖关系。此外，还引入了一种新的多尺度差异性损失，以提高网络的计数性能。为评估该方法，在RGBT-CC（RGBT Crowd Counting）数据集和DroneRGBT数据集上进行了对比实验。实验结果表明，在RGBT-CC数据集上与CMCRL（Cross-modal Collaborative Representation Learning）算法相比该算法的GAME(0)（Grid Average Mean absolute Errors）和RMSE（Root Mean Squared Error）分别降低了0.8和3.49，在DroneRGBT数据集上与MMCCN（Multi-Modal Crowd Counting Network）算法比分别降低了0.34和0.17，表明具有较好的计数性能。

针对复杂任务场景中，目标检测存在的多尺度特征学习能力不足、检测精度与模型参数量难以平衡的问题，提出一种基于CSE-YOLOv5（CBAM-SPPF-EIoU-YOLOv5，CSE-YOLOv5）模型的目标检测方法。模型以YOLOv5主干网络框架为基础，在浅层引入卷积块注意力机制层，以提高模型细化特征提取能力并抑制冗余信息干扰。在深层设计了串行结构空间金字塔快速池化层，改进了统计池化方法，实现了由浅入深地融合多尺度关键特征信息。此外，通过改进损失函数与优化锚框机制，进一步增强多尺度特征学习能力。实验结果显示，CSE-YOLOv5系列模型在公开数据集RSOD、DIOR和DOTA上表现出良好的性能。mAP@0.5的平均值分别为96.8%、92.0%和71.0%，而mAP@0.5:0.95的平均值分别为87.0%、78.5%和61.9%。此外，该模型的推理速度满足实时性要求。与YOLOv5系列模型相比，CSE-YOLOv5模型的性能显著提升，并且在与其他主流模型的比较中展现出更好的检测效果。

无人机拍摄下的红外图像中变电设备的分割精度直接影响着热故障诊断的结果，针对复杂红外背景下变电设备分割精度低的问题，提出了一种融合可见光和红外图像的多模态路径聚合网络（Multimodal Path Aggregation Network, MPAN）。首先提取并融合两种模态图像的特征，考虑到两种模态图像的特征空间存在差异，提出了自适应特征融合模块（Adaptive Feature Fuse Module, AFFM），以充分融合两种模态特征；对具有多尺度特征的主干网络增加自底向上的金字塔网络，并对横向连接的路径增强模块引入自注意力机制；最后使用dice系数优化掩膜损失函数。实验结果表明，多模态图像的融合能够增强分割性能，且验证了提出各模块的有效性，该模型能够显著提高红外图像中变电设备实例分割的准确率。

针对红外图像增强过程中容易饱和、细节丢失等问题，提出一种参数自设定的双直方图均衡化方法。根据灰度级累积概率密度黄金比例值将原始图像划分为两个独立的子图像。结合原始图像曝光度和子图像灰度级区间信息，对每个子图像的直方图进行多尺度自适应加权校正。基于校正后的直方图，对每个子图像分别作均衡化映射变换，最后合并子图像获得增强图像。在红外图像公开数据集INFRARED100上进行的测试显示，与亮度保持双直方图均衡化（Brightness Preserving Bi-Histogram Equalization，BBHE）、带平台限制的双直方图均衡化（Bi-histogram Equalization with a Plateau Limit，BHEPL）、基于曝光度的双直方图均衡化（Exposure based Sub-image Histogram Equalization，ESIHE）方法相比，所提方法增强的图像具有合适的平均对比度和更大的平均信息熵，在峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）、结构相似度（Structural Similarity，SSIM）、绝对平均亮度偏差（Absolute Mean Brightness Error，AMBE）指标上平均提升至少17.2%、4.0%、56.2%。实验结果表明，所提方法对不同亮度特征的红外图像都有良好的适应性，可有效增强红外图像对象和背景之间的对比度，在噪声抑制、亮度和细节保持等方面优于同类方法。

为了降低多尺度分解融合算法的复杂性，并提高融合图像适应人类视觉特点，本文提出一种基于引导滤波二尺度分解的红外与可见光图像融合的方法。首先利用引导滤波对可见光图像实施增强的图像预处理，然后利用引导滤波将源图像分解为基础层和细节层。在细节层的融合规则中我们采用能量保护和细节提取的方法，最后将融合后的细节层与基础层合成融合结果。实验结果表明所给方法在提高视觉感知、细节处理、边缘保护等方面都有良好的效果。本文最后还讨论了可见光图像增强对融合方法的影响：从实验数据可知，增强可以提升融合效果，但在图像融合中融合方法才是关键。

为了使无人农机在复杂环境的生产过程中及时感知环境信息，避免安全事故发生，本文提出了一种PIE（Poisson Image Editing）和CGAN（Conditional Generative Adversarial Networks）相结合的红外与可见光图像融合算法。首先，利用红外图像及其对应的红外图像显著区域对CGAN网络进行训练；然后，将红外图像输入训练好的网络，即可得到显著区域掩膜；在对其进行形态学优化后进行基于PIE的图像融合；最后，对融合结果进行增强对比度处理。该算法可以实现快速图像融合，满足无人农机实时感知环境的需求，并且该算法保留了可见光图像的细节信息，又能突出红外图像中行人和动物等重要信息，在标准差、信息熵等客观指标上表现良好。

随着长焦共光路成像组件广泛应用于光电侦察吊舱，长焦共光路光路中快反镜在复合轴稳像等方面的技术开发成为必然的趋势。文章介绍了长焦共光路成像组件的主要组成，基于快反镜实现复合轴控制与回扫补偿控制的策略，其工作时序和关键参数分析计算。开发了基于长焦共光路成像组件的快反镜，一帧图像时间内同时实现二次稳像和回扫补偿的功能。提升了中高空光电侦察吊舱的侦察作用距离、稳像精度和搜索效率。

目标红外辐射特性可用于目标特征识别，如何有效获取目标红外辐射特性，对目标预警、侦察及隐身效果评估等意义重大。针对当前外场实装地基红外成像设备定标参数获取难题，对近距离扩展面源定标法、平行光管定标法、远距离扩展面源定标法等3种方法进行了分析，采用上述3种方法对不同视场外场红外成像设备进行了定标实验研究，获得了不同方法下响应参数。针对远距离扩展面源定标法定标结果随距离变化情况，设计了不同调焦状态和工作时长下制冷热像仪定标实验。实验结果显示红外成像设备的离焦状态、工作时长对制冷型红外成像设备响应参数影响较小。外场定标误差主要来源于环境杂散辐射、大气透过率及路径辐射计算。外场条件下应采用近距离直接扩展点源定标方法对地基红外成像设备不同航次择机定标；同时扩展面源定标法定标距离一般不超过10 m，响应参数误差此时相对近距离定标约5%左右。

主要从碲锌镉表面处理工艺及表面位错缺陷揭示两个方面对碲锌镉衬底的表面处理研究进行了详细介绍。从表面处理机理和工艺参数对衬底表面的影响两个方面介绍了机械研磨、机械抛光、化学机械抛光以及化学抛光4种表面处理工艺。同时，介绍了能揭示碲锌镉不同晶向表面的位错缺陷的Everson、Nakagawa及E_Ag三种化学腐蚀液。

针对现有的金属氧化物避雷器（Metal Oxide Arrester，MOA）红外图像故障检测方法存在识别精度低、检测速度较慢的问题，提出一种基于改进YOLOv3的MOA红外图像故障检测方法。首先，以Darknet19网络代替YOLOv3原始的Darknet53网络，并在特征学习时针对样本中不同MOA长宽比例，通过K-means聚类算法对MOA图像中的目标帧进行分析，重新聚类样本中心锚点框，得到合适的锚框数目和大小。最后，利用改进YOLOv3模型完成MOA红外图像故障检测。实验结果表明，改进的YOLOv3模型识别精度达到96.3%，识别速度为6.75 ms。