针对全卷积神经网络对单帧红外图像行人检测计算量大、检测率较低等问题, 提出了一种改进的 LeNet-7系统对红外图像行人检测的方法。该系统包含 3个卷积层、3个池化层, 通过错误率最小的试选法确定每层参数, 以波士顿大学建立的 BU-TIV数据库训练系统。首先, 以俄亥俄州立大学建立的 OTCBVS和 Terravic Motion IR Database红外数据库作为测试图像；然后, 采用自适应阈值的垂直和水平投影法得到感兴趣区域( regions of interest, ROI)；最后, 将得到的 ROI输入训练好的系统进行测试。3个测试集检测实验表明, 本文方法具有良好的识别能力, 与不同实验方法相比, 本文方法能有效提高检测率。

针对红外焦平面成像系统存在列向条纹非均匀性的现象, 采用了一种基于自适应PM扩散模型的非均匀校正新算法。首先, 综合利用图像梯度信息和局部灰度统计信息, 自适应计算PM模型的扩散阈值; 然后将每列像素的PM模型估计值作为该列像素的期望值; 最后采用最陡下降法迭代计算得到每列像元的校正参数, 并对结果进行循环校正以提高校正效果。实验结果表明: 该算法可以保护图像边缘信息, 与同类算法相比, 能够更有效地抑制条纹非均匀性, 并且能够防止图像产生鬼影。