当红外制导导弹攻击地面目标时，自然或人为因素会导致目标红外特征减弱或消失，致使导引头无法探测或间断探测目标，极大影响制导精度。为解决这一问题，提出一种导弹攻击地面弱红外目标的数字孪生导引律。根据红外导引头在物理世界的导引过程，在数字世界构建目标及导引律的孪生数字模型，通过仿真得到并保存制导全过程中各时间点上导弹运动及控制的状态参数，作为制导过程的数字孪生。实际引导中，当导引头无法得到测量信号时，它的数字孪生数据立即被激活接管导引头的工作，以导引头的孪生数据为控制系统提供加速度指令。仿真算例表明，导引头的数字孪生可在导引头无法捕获信号时，为控制系统提供机动指令对导弹实施精确引导。数字孪生导引律对红外伪装、红外干扰及恶劣气候具有鲁棒性，有广阔的应用前景。

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。

随着红外成像设备在军用和民用领域的大量应用，如何快速一致地判断红外成像设备的技术状态并分析和排除故障变得越来越迫切。提出一种基于变焦双波段的便携式红外目标模拟器，通过高精度黑体(-10～260℃温度可调、精度优于001℃)、卡片插拔式靶标、3倍连续变焦双波段投影结构设计来满足红外成像设备中波、长波及不同目标的检测需求。相比于其它模拟器，该模拟器兼顾双波段，提高了设备使用范围；可更换靶标、变焦投影有利于兼顾不同红外成像设备不同距离目标的模拟检测需求。从各项检测试验结果来看，该模拟器达到了预期的目标，满足了实用化的模拟检测需求，解决了成本过高的问题。

针对传统算法依赖于对红外船舶目标与环境背景的精确分离和信息提取, 难以满足复杂背景和噪声等干扰环境下的船舶目标检测需求, 提出一种基于改进YOLOv5的红外船舶目标检测算法。在YOLOv5网络中添加Reasoning层, 以一种新的提取图像区域间语义关系来预测边界框和类概率的体系结构, 提高模型的检测精度, 同时对YOLOv5目标检测网络的损失函数进行改进, 从而达到进一步提高模型准确率的目的。验证结果表明, 改进后的YOLOv5算法训练出来的模型, 检测精确率和速度与实验列出的几种目标检测算法相比均有明显提升, 其中平均精度均值(mAP)可达94.65%。该模型经过验证, 既能满足检测的实时性要求, 又能保证高精度。

针对热红外图像中目标缺少细节信息而导致跟踪精度不高的问题，提出一种基于位置感知的目标跟踪方法。首先使用深度空洞残差网络（D-ResNet）提取语义特征，鲁棒表征热红外目标；然后设计位置感知模块，有效感知目标在特征图上的空间位置，提高算法的定位精度；并引入通道注意力模块，在通道域上筛选特征图信息，抑制干扰信息；接着引入区域提取网络，完成目标分类和边框回归；最后使用RGBT234热红外序列对网络进行微调，确保网络能有效学习热红外目标信息。所提方法在VOT-TIR2019、GTOT数据集上分别获得75.3%和91.4%的准确率，速度为30 frame/s。实验结果表明：所提方法在热红外场景下能获得较高的跟踪精度，并能有效应对遮挡、相似物干扰、尺度变化等目标跟踪过程中的常见挑战。

海上红外目标识别在海事搜寻中发挥着重要的作用，针对逆光海况下出现的目标反向对比度特点及其目标淹没于背景的问题，结合其直方图呈现的局部尖峰特点，提出了修正灰度占比的新直方图均衡化并融合边缘信息的增强算法。该算法可以有效地提升目标区域的对比度，从而提升海上红外图像的质量。在海上红外目标识别与检测中，建立了目标与背景的多尺度“九宫格”搜索框，演化了局部对比度显著性量化的数学模型，实现了符合人眼视觉特性的红外目标的准确定位与检测。在海上红外图像增强测试中，所提算法可以使原图像的平均梯度提升两倍以上，使局部对比度增益因子提升两倍以上。在目标识别的算法测试中，所提多尺度局部对比度目标检测算法可以使目标检测率达到99%以上。

针对遥感器真空低温测试需求，设计并搭建了一套能够在低温真空环境中稳定工作的红外目标背景模拟器，模拟器主要由冷光阑、真空低温面源黑体、三维电移台三部分组成，冷光阑模拟探测背景，冷光阑上分布微孔用于模拟探测点目标。通过有效控制目标模拟器与背景模拟器间的隔热、控温以及背景模拟器与待测遥感器之间的隔热，实现稳定测试。另外，将仿真优化与实践经验相结合，通过仿真计算去除模拟器冷光阑板厚度、目标相位、平行光管等的影响，有效降低系统测量不确定度。文中的仿真分析方法和验证情况对于红外遥感器点目标探测信噪比检测试验具有参考意义。

提出一种基于稀疏约束的神经网络模型和完备的矩特征集, 用于提高红外弱小目标检测性能。传统的神经网络分类模型往往采用SoftMax,Logistic回归等激活函数, 而本文设计更为简单的符号函数作为分类层激活函数, 并通过逐步回归的方式实现对参数的求解。同时,为了降低计算复杂度、提高算法性能, 目标函数加入了范数约束使得参数具有一致性并使其稀疏化。实验结果显示, 所提算法相比传统的方法性能更好, 且能够达到实时处理要求。

为了准确地从复杂干扰背景下检测出真实弱小目标，本文引入视觉显著性，设计了基于快速光谱尺度空间与动态管道滤波的红外目标检测算法。基于真实目标与背景内容之间的整体差异，引入快速光谱尺度空间与阈值分割技术，设计视觉显著性机制，对红外图像完成处理，输出全局显著性映射，以高效过滤干扰背景内容。考虑目标与背景的局部特征差异，构建自适应局部对比度增强机制，对粗检测结果实施处理，获取对应的局部显著性映射，改善视觉显著性区域内目标的对比度。引入高斯差分理论，通过估算每一帧红外图像中的目标像素直径，形成动态管道滤波，充分消除虚警，准确识别出弱小目标。多组实验数据显示：较已有的红外目标检测技术而言，在各种不同的复杂背景干扰下，所提算法呈现出更好的检测能力，拥有更理想的接收机工作特性(ROC) 曲线。