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。

针对海上船舶目标不清晰导致检测准确率低的问题, 提出一种基于深度学习框架的船舶红外与红外偏振图像的融合方法来增强海面船舶弱目标, 提高检测准确率。将源图像分为船舶轮廓部分和特征部分, 轮廓部分通过加权平均策略进行融合, 采用非局部均值对船舶偏振图像进行去噪;特征部分采用VGG网络提取, 进而重建融合图像。与传统图像融合方法相比, 所提方法能够保留更多的船舶红外与偏振特征, 使融合后的图像信息得到增强, 并在对比度和信噪比上均有较好提高, 为复杂海面背景下的船舶目标检测提供新的方法。

针对金属多涂层目标在复杂环境下的红外偏振特性难题，提出了多涂层目标的表面辐射传输模型。根据红外辐射的特点，将探测器接收的红外辐射强度分为目标自发辐射强度和反射环境的红外辐射强度，其中自发辐射强度的求解根据能量守恒定律和菲涅耳反射定律，反射辐射强度根据能量守恒定律、菲涅耳反射定律和基于P-G模型的目标偏振双向反射率进行计算，并据此推导了目标表面的偏振双向反射方程，求解了多层涂层靶体的光学传输模型。依据热辐射环境下目标红外偏振特性模型，分别研究了涂层数量和环境热辐射强度比对多层涂层目标红外偏振特性的影响。仿真结果与实验结果接近，证明所提传输模型具有较好的拟合能力。

为了表征伪装涂层表面的辐射偏振特性，以Priest Germer（P‐G）模型为基础，针对镜面反射和漫反射，建立一种基于几何衰减效应的二分量偏振双向反射分布函数（pBRDF）模型，引入镜面反射系数和漫反射系数，推导出红外辐射线偏振度模型，并对此模型进行校验，结果与实验数据吻合较好。数值分析涂层表面粗糙度、几何衰减效应及漫反射效应对红外线偏振度的影响，结果表明，涂层表面粗糙度越大，由粗糙度引起的遮蔽阴影效应越明显，对应涂层的红外线偏振度越小，且目标涂层的环境辐射与其红外线偏振度呈负相关。上述结果为实现**伪装和反伪装、目标识别等提供了理论支撑和技术支持。

基于四通道偏振中波红外相机对不同伪装目标进行了不同偏振态特征和强度图像的采集，根据偏振方程解算出不同目标的偏振度、偏振角信息，利用多种图像融合算法获得了目标较为明显的偏振特性。通过与目标本身的红外强度图像对比可知，红外偏振图像通过不同的图像融合算法可以有效识别出采用普通红外伪装的目标。此研究对红外偏振应用于伪装目标识别研究具有重要意义。

针对海面太阳耀光背景下传感器受到强干扰而无法有效探测的问题，本文提出了太阳耀光场景下的自适应偏振探测方法。根据太阳耀光辐射分量的偏振特性，本团队设计了单/双偏振片观测模式，搭建了中红外偏振探测系统。先根据计算得到的不同场景下的耀光辐射，切换相应的工作模式进行耀光抑制，以增强目标在图像中的对比度；然后结合图像处理滤波算法，对不同太阳耀光背景下的船体目标进行有效探测。两种工作模式被用于太阳耀光抑制实验：针对远距离、近布儒斯特角观测实验场景，选择单偏振片观测模式即可有效凸显目标，然后结合形态学滤波算法就可实现目标探测；针对近距离、近水平角观测实验场景，选择双偏振片观测模式，可在有效抑制太阳耀光水平分量的同时对残留的垂直分量进行抑制，然后结合管道滤波算法即可实现目标探测。野外实验结果表明，本文提出的两种偏振探测模式均可有效削弱不同场景下的海面太阳耀光辐射，有利于提升偏振系统对不同场景的适应能力。