针对混合物成分识别难题,采用太赫兹时域光谱技术获得物质的特征吸收光谱,研究0.1~7.0 THz宽带太赫兹吸收光谱处理方法和特征光谱识别方法。先扣除空气环境中环境噪声、背景噪声和随温度变化的水蒸气吸收谱对待测物质造成的影响,获得用于识别的太赫兹吸收光谱;基于模板匹配、数值平滑、主吸收峰提取与识别和混合物成分判定等方法,建立混合物成分的太赫兹光谱提取分析模型;调用太赫兹光谱数据库,采用模板匹配和吸收峰峰值、面积比对的方法,依次判断识别扣除各样品的太赫兹吸收光谱。最后,依据算法模型完成混合火炸药的太赫兹特征光谱探测与识别。结果表明,所提方法可逐一分辨混合物成分,是一种可靠的太赫兹宽带光谱特性识别方法。

二代扫描型热像仪的非均匀性校正(NUC)通常采用定点两点温度校正法或定点多点温度校正法，采用定点校正无法适应时间或环境的变化对探测器带来的影响，造成校正偏离，空间噪声增大。通过在成像光路中设置2个可控温的黑体完成探测器的实时校正，保证在不同时刻以及不同应用环境下，黑体的温度始终实时地跟随场景温度，校正系数实时更新，使非均匀性校正的输出误差有效降低。通过实际多个场景对比试验，采用传统定点校正，非均匀性噪声约为4.0，而该方法的噪声不大于2，有效降低50%。

针对目前红外搜索系统实用性较强的两点非均匀性校正存在难以实时跟踪图像非均匀的不足点, 提出一种新的基于两点非均匀性校正和基于场景的实时联合校正算法。该算法利用两点校正提供基础校正系数, 并充分利用红外搜索系统大数据量的特点, 对实时数据量进行统计、分析, 进而找出系统非均匀性随时间的漂移量, 解决只采用两点校正算法带来的红外图像退化的问题。多次试验证明, 采用联合非均匀校正算法的相对非均匀度由两点校正的5%降到了2%左右, 并具有时间稳定性, 获得了较好的校正效果。

复杂背景下低信噪比弱小目标的检测是红外预警系统中的重点和难点。为解决红外图像中杂波干扰多、目标信噪比低等问题,提出一种非线性空间滤波的目标检测方法。该算法在传统线性空间滤波算法的基础上,通过对预测点周围4个象限的背景灰度值进行计算,并动态地调节阈值,以达到突出小目标的目的。试验结果表明：当背景包含较多复杂因素时,采用非线性空间滤波的检测方法可有效地抑制杂波,实现弱小目标的提取,与线性滤波算法结果相比较,虚警数降低了3/4,且易于工程实现。

复杂背景下低信噪比弱小目标的检测是红外搜索系统中的重点和难点，为解决红外搜索系统中杂波干扰多、目标信噪比低等问题，提出一种模板匹配滤波的目标检测方法。该算法在预测背景的同时，通过对图像背景灰度值进行动态的阈值处理，自适应地进行背景抑制。当背景包含较多复杂因素时，采用模板匹配滤波的目标检测方法，消除背景抑制后的残留杂波，实现弱小目标的提取。试验结果表明: 当场景较复杂且图像信噪比较低时，使用该算法处理后可使图像信噪比达到4 dB以上，从而提高了弱小目标的检测概率。