红外偏振成像系统快速发展且应用广泛，但评估其性能的成像系统性能模型发展不足。迫切需要能够与先进的偏振成像系统相匹配的性能模型。利用深度学习网络的训练过程与人脑提取认知信息过程的相似性，本文首次将深度学习方法引入系统性能模型领域，提出了一种基于二维图像的可自动评估系统性能的红外偏振成像系统性能模型。该模型主要包含两个主要模块：退化模块、性能感知模块。在评估一个新的系统时，需要输入高质量的原始图像，并根据系统的硬件参数量身定制成像系统退化模块，退化完成后输入性能感知模块，从而得到最终的目标获取性能。为验证模型有效性，本文基于红外辐射理论自建了面向海面场景的红外偏振数据集，训练网络并进行测试。应用该模型对红外偏振成像系统的性能进行评估，评估结果与主观感知具有较好的一致性。

使用模糊理论处理电气设备红外图像分割的不确定性，提出了一种基于模糊推理的电气设备红外图像分割算法。首先分别利用电气设备红外图像故障区域的像素灰度、像素点与图像质心的马氏距离以及图像膨胀操作定义了强度特征、全局故障可能性特征和局部灰度特征；然后根据特征的模糊语言值制定了27条模糊规则，设计了一种模糊推理红外图像分割算法；最后，从主观和客观评价指标上将算法与传统Otsu算法和FCM算法进行了对比。实验表明，该算法的分割精度和误分割率比其他两种算法都有一定的改善，同时该算法能够滤除图像中具有高亮度的干扰区域，对具有小亮度差和小面积故障区域的红外图像有较好的分割效果。

针对变电站电气设备红外监测过程中，获取的红外图像背景复杂而导致故障设备定位不准确、分割难度较大等问题，提出了一种在复杂背景下对故障设备进行定位与整体分割的方法。首先，通过SLIC（Simple Linear Iterative Clustering）超像素算法对图像进行分割，并对超像素块进行Lab颜色空间转换，根据阈值判断是否存在故障并获取故障区域。然后，选取故障图像中最大联通量的较亮点作为种子，利用最大类间方差原理控制种子数目，通过改进区域生长法获取目标主体设备。最后，将故障区域与目标主体设备进行交集运算，完成对故障电气设备的整体分割。研究结果表明，该方法能有效完成复杂背景下的故障电气设备定位与整体分割。与其他分割方法相比，该方法获取的故障电气设备更加完整准确。

为减少浮选气泡合并、破碎等变化对泡沫表面流动特征提取的影响，提出了一种非下采样剪切波变换（Nonsubsampled Shearlet Transform，NSST）域红外目标分割及改进加速鲁棒特征（Speeded Up Robust Features，SURF）匹配的泡沫表面流速检测方法。首先，对相邻两帧泡沫红外图像NSST分解，在多尺度域构建图割能量函数的边界、亮度、显著性约束项实现对合并、破碎气泡的分割；然后，对分割后的背景区域进行SURF特征点检测，通过统计扇形区域内的尺度相关系数确定特征点主方向，采用特征点邻域的多方向高频系数构造特征描述符；最后，对相邻两帧泡沫红外图像进行特征点匹配，根据匹配结果计算泡沫流速的大小、方向、加速度、无序度。实验结果表明，本文方法能有效分割出合并、破碎的气泡，具有较高的分割精度，提升了SURF算法的匹配精度，流速检测受气泡合并、破碎的影响小，检测精度和效率较现有方法有一定提升，能准确地表征不同工况下泡沫表面的流动特性, 为后续的工况识别奠定基础。

针对现有基于深度学习的红外目标检测算法参数量大、复杂度较高、对多尺度目标检测性能较差等问题，提出了一种针对多尺度目标的轻量级红外目标检测算法。算法以YOLOv3为基础，采用MobileNet V2轻量级骨干网络、设计改进的简化空间金字塔结构（simSPP）、Anchor Free机制、解耦头和简化正负样本分配策略（SimOTA）分别对Backbone、Neck和Head进行优化，最终得到模型大小为6.25 M，浮点运算量2.14 GFLOPs的LMD-YOLOv3轻量级检测算法。在构建的MTS-UAV数据集上mAP达到90.5%，在RTX2080Ti显卡上FPS达到99，与YOLOv3相比mAP提升了2.60%，模型大小为YOLOv3的1/10。

由于红外焦平面探测器受到制造工艺等限制，图像不可避免地会存在非均匀性。传统神经网络算法会留下“鬼影”的问题，本文改进传统神经网络算法，利用引导滤波图像作为期望模板，防止图像的边缘被滤波器平滑。当场景运动时，通过时域迭代的策略来不断进行非均匀性校正参数的更新。为了抑制算法中常见的鬼影现象，设计了基于空域局部方差和时域场景变化率相结合的自适应学习率，利用前后的校正参数自适应调整阈值。实验仿真表明，本文所提的算法相比于传统算法均方根误差下降45.45%左右，可以在校正图像非均匀性的同时很好地抑制“鬼影”现象。

传统光伏面板缺陷检测任务以人工目视方法为主，存在效率低、精度差、成本高等问题。提出基于深度学习的融合光伏面板可见光图像与红外图像的缺陷检测网络，即多源图像融合网络（Multi-source Fusion Network, MF-Net），实现光伏面板的缺陷检测。MF-Net以YOLOv3 tiny为主干结构，并针对光伏面板缺陷特征进行网络结构改进。其中包括：在特征提取模块中增加网络深度并融入密集块结构，使得MF-Net能够融合更多高层语义信息的同时增强特征的选择；将双尺度检测增加为三尺度检测，以提高网络对不同尺寸缺陷的适用度。此外，提出自适应融合模块，使特征图融合过程中可以根据像素邻域信息自适应分配融合系数。实验结果表明，相比基于YOLOv3 tiny的融合网络，改进后的融合检测网络mAP提高7.41%；自适应融合模块使mAP进一步提升2.14%，且自适应融合模块能够有效提高特征的显著性；在与单一图像（仅有可见光图像或红外图像）的检测网络及其他融合图像检测网络的对比实验中，所提出的网络F1 score最高（F1＝0.86）。

由于器件及工艺等技术限制，红外图像分辨率相对可见光图像较低，存在细节纹理特征模糊等不足。对此，本文提出一种基于深度卷积神经网络（convolutional neural network，CNN）的红外图像超分辨率重建方法。该方法改进残差模块，降低激活函数对信息流影响的同时加深网络，充分利用低分辨率红外图像的原始信息。结合高效通道注意力机制和通道-空间注意力模块，使重建过程中有选择性地捕获更多特征信息，有利于对红外图像高频细节更准确地进行重建。实验结果表明，本文方法重建红外图像峰值信噪比（peak signal to noise ratio，PSNR）优于传统的Bicubic插值法以及基于CNN的SRResNet、EDSR、RCAN模型。当尺度因子为×2和×4时，重建图像的平均PSNR值比传统Bicubic插值法分别提高了4.57 dB和3.37 dB。

针对红外图像相对于可见光检测精度低，鲁棒性差的问题，提出了一种基于YOLO的多尺度红外图目标检测网络YOLO-MIR（YOLO for Multi-scale IR image）。首先，为了提高网络对红外图像的适应能力，改进了特征提取以及融合模块，使其保留更多的红外图像细节。其次，为增强对多尺度目标的检测能力，增大了融合网络的尺度，加强红外图像特征的进一步融合。最后，为增加网络的鲁棒性，设计了针对红外图像的数据增广算法。设置消融实验评估不同方法对网络性能的影响，结果表明在红外数据集下网络性能得到明显提升。与主流算法YOLOv7相比在参数量不变的条件下平均检测精度提升了3%，提高了网络对红外图像的适应能力，实现了对各尺度目标的精确检测。

随着红外探测技术的发展，水幕成为舰船红外隐身研究的焦点，而对于水幕降温与水雾遮蔽两种水幕效应对红外探测特性的影响及其内在的物理机制目前尚未形成统一的认识。针对舰船8~14 μm波段的红外辐射问题，基于典型的壁式喷嘴建立壁式喷头试验系统，研究了不同喷射距离、不同喷射总流量以及不同温度钢板对壁式喷头的红外降温特性的影响。试验结果表明，当目标钢板处于中空区和中空区与覆盖区交界，红外降温速率分别为2.03℃/min和3.31℃/min，处于覆盖区时，喷射存在非重叠区和重叠区，非重叠区降温速率最大为6.18℃/min，其同半径距离下的重叠区降温速率为6.54℃/min，且此时重叠区的红外降温时长为40 s，比非重叠区缩短了32 s。喷射总流量的增加对钢板的降温表现出明显的增益性，并且钢板初始温度越高，壁式喷头对其的降温速率越快。此外，水幕内外的钢板温差最大可达8.49℃，表明壁式喷头形成的水幕喷淋能有效遮掩钢板表面温度，降低舰船表面的红外可探测性，实现水幕喷淋隐身。该研究结果可对提高舰船的红外隐身性能提供技术参考。

为解决复杂外热流下散热面难以确定的难题，基于散热面总到达外热流最小的设计原则，对空间相机大功率热源散热设计进行研究。首先，根据相机所处空间环境分析相机受到的外热流。接着，通过分析外热流与热源工作模式，采用在相机两侧设置辐射冷板散热并通过热管耦合的方式，增大了热源的散热效率，减小了辐射冷板的面积。最后，根据相机所处空间环境和采取的热控措施利用热仿真软件进行了热分析验证。仿真结果表明：可见光组件温度为－1.9℃~12.9℃，红外组件温度为1.7℃~10.5℃，制冷机热端温度为－12℃~0.3℃，制冷机压缩机温度为－11.3℃~21.3℃。满足温控指标要求，解决了复杂外热流下相机大功率热源的散热问题。

为实现中波制冷红外导引头的低成本、无热化设计，采用两轴框架式总体布局方式，基于硅锗光学材料，利用一次成像3片式光学结构（Si-Ge-Si），选用斯特林制冷型面阵规模640×512像素尺寸为15 μm的中波红外探测器作为接收器件，设计一种高分辨率低成本中波制冷红外成像制导光学系统，并实现了宽温范围内的无热化设计。设计结果表明，光学系统焦距为55 mm，视场大小为10°×8°，在33 lp/mm处，轴上0视场的调制传递函数（Modulation Transfer Function，MTF）不低于0.6，轴外0.7视场传递函数不低于0.40，畸变小于1%，冷光阑效率100%。同时，结合整流罩进行针对性优化设计，系统冷反射现象基本消除，在－40℃~+70℃温度范围内具有良好的成像效果。光学系统结构简单，易加工装校，良品率高。经实测样机，光学系统成像质量优良，各项性能指标满足技术指标要求。

随着科技的进步，尖端产品和先进光电系统对光学系统的成像质量要求越来越高，光学非球面元件能有效地校正像差、减少系统所需光学元件数量、减轻系统重量，因此被广泛应用。其特殊的面形特征决定了它的加工和检测相对于球面更加困难，而检测精度直接决定了加工精度，非球面检测技术的重要性显而易见。根据测量原理对光学非球面的检测技术进行了概述；根据目前直接面形轮廓法在光学非球面的加工中应用最广的情况，结合最新检测手段，重点介绍了非球面直接面形轮廓法测量技术；并介绍了近年来日益受到人们关注的自由曲面及面形轮廓法在自由曲面检测的应用；最后总结了光学非球面检测技术的现状和发展趋势。

空间科学仪器广泛使用基于四象限光电探测器的太阳导行镜指向跟踪系统来实现对日精确指向控制。为满足对日指向高精度高稳定性需求，提出面向空间应用的四象限光电探测器筛选方法，研制针对四象限光电探测器的筛选系统。通过对比筛选试验前后四象限探测器的暗电流、响应度及象限响应度均匀性等参数变化，依据判别准则分析探测器的空间环境适应性，剔除可能存在的早期失效或性能差异变化较大的探测器。试验结果表明：研制的筛选系统具有高准确度，系统前端等效输入电流噪声为0.58 fArms，通过筛选试验后依据评估标准最终优选的四象限光电探测器各通道暗电流绝对值最大值为6.08 pA，各通道的响应度变化最大值为0.716%，各象限响应度非一致性筛选前后变化最大值为1.24%。最终将该四象限探测器应用至太阳导行镜指向跟踪系统上，满足航天环境条件的使用要求。该筛选装置及筛选方法可实现对面向空间应用的四象限光电探测器的筛选，且对其他光电器件筛选具有借鉴意义。

为了实现640×512分辨率的EMCCD（Electron-Multiplying CCD）在1×10^-3 lx照度条件下25 fps连续动态成像，设计了对应的相机。搭建了相机硬件平台，分析了EMCCD工作时序、AFE工作时序、BT.656编码和Camera Link编码时序。利用硬件描述语言在FPGA中产生了相应的驱动时序。实现了EMCCD曝光和读出控制，AFE相关双采样和光学暗电平钳位，模拟视频信号逐行变隔行和插值拉伸以及Camera Link协议的并串转换。通过实际测量和分析，相机在模拟夜天光1×10^-3 lx照度，EMCCD增益1000倍，镜头焦距25 mm，F1.4的条件下，能同时输出模拟视频和数字视频，成像帧率25 fps，信噪比21.8 dB。

对于在低温背景条件下应用的红外焦平面探测器，在其设计阶段首先需要确认的是探测器在低温背景下的主要性能参数是否满足应用需求。通过单元探测器的基本理论公式，从性能测试的角度，推导出了焦平面探测器主要性能指标的理论计算公式，包括峰值响应率、噪声、峰值探测率、动态范围等。提出了红外焦平面探测器主要性能参数计算的设计流程，并通过实例对长波红外焦平面探测器在低温背景下的性能参数进行了计算、设计及验证，实测结果与理论计算符合较好。表明了理论公式及设计流程具有较好的实用性，可为红外焦平面探测器的应用设计提供参考。