红外全景搜索跟踪系统能对 360.大视场提供实时多目标搜索与定位功能，与此同时大视场的引入也带来虚假目标增多，以及同一运动目标在前后生成的两幅全景图像中位置差异过大的困扰。本文针对以上问题，引入图像金字塔变换降低全景图像分辨率，再利用 Lucas-Kanade(LK)光流法计算所有疑似运动区域的光流，最后分析所有光流特征结合二分类思想将真实运动目标和虚假运动目标区分开，针对全景图像能够有效的将虚假目标检测出来，剔除该类目标对后续处理结果的干扰。

针对传统的相关滤波算法在红外目标跟踪过程中, 目标被完全遮挡后跟踪失效的问题, 提出一种结合了多尺度滤波跟踪器和基于深度学习检测器的目标实时跟踪抗遮挡算法。首先使用跟踪器跟踪目标, 计算目标的峰值响应强度并比较峰值响应强度与经验阈值的大小以判断目标是否被遮挡或跟踪丢失。然后当目标被遮挡或跟踪丢失时, 停止更新跟踪器, 由于目标被遮挡后再次进入画面的位置可能会发生巨大变化, 并且跟踪器在整个图像中搜索目标的速度特别慢, 因此在不降低跟踪精度和速度的情况下, 后续帧中采用了检测器检测目标并得到多个目标框。利用检测器得到的目标框, 分别利用跟踪器进行相关滤波, 针对每个目标框得到一个峰值响应强度, 其中峰值响应强度最大且超过经验阈值的目标框即为重新进入画面的目标。通过与多尺度相关滤波算法比较, 所提算法在满足实时跟踪的情况下, 能有效地解决红外目标被遮挡的问题, 具有更高的鲁棒性和精确度。

红外成像系统的测试对于红外成像系统的研制具有重要的意义。传统的测试方法由于需要在真实环境中进行试验，因而受时间、空间和环境等方面的限制。为解决上述问题，本文采用红外场景产生技术，提供实验所需的仿真场景，并进行红外成像系统的半实物仿真试验（如注入式仿真试验），进行红外成像系统的测试。红外场景产生技术已成功应用于跟踪器性能测试和图像处理算法研究。实验结果表明，该方法可以节省大量的人力、物力和财力，并缩短产品研发周期。

随着光电器件及信号处理技术的发展, 红外成像及光谱探测技术在航空发动机故障监测中的应用越来越受到重视。主要分析了红外技术在航空发动机故障监控中对其工作状态进行监控的应用, 并介绍了温度场探测、尾气光谱分析等方面的国内外研究现状及未来的发展。