受限于材料和制造工艺, 红外图像中普遍存在着条纹非均匀性, 其严重影响了图像的成像效果, 进而对后续的目标识别、检测等工作造成干扰。典型的最小均方误差(LMS)算法在一定程度上可以抑制条纹非均匀性, 但其场景适应性差, 存在拖尾和“鬼影”现象。提出一种改进型的最小均方误差(LMS)自适应滤波算法对图像进行处理, 利用双边滤波和最速下降法快速获取准确的校正参数, 将前一帧算出的校正结果作为后一帧的初始输入值, 提升算法的准确性, 同时算法还增加了边缘检测模块以保留图像细节。采用不同场景下非制冷型探测器的真实红外图像, 从主观和客观两个方面对比了本算法和经典LMS算法, 结果表明, 提出的算法可以很好地保护图像细节, 也具有良好的场景适应性。

本文采用共轭梯度方法，根据脱硫塔表面的红外热像对运行中的脱硫塔壁厚进行了检测。由于脱硫塔内部检测环境恶劣，壁厚检测所需要的脱硫塔内壁面热流亦采用共轭梯度法反演得到。首先通过数值实验，验证了本方法的可行性。然后，依据红外热像进行反演，发现脱硫塔存在筒体腐蚀，防腐涂层脱落和减薄等问题。利用后续的停机检修，对问题区域进行了复核，亦证实了以上部位的异常，表明了本文所提出的基于表面红外热像的脱硫塔壁厚定量检测方法的有效性和准确性。

红外热像法是一种评估煤岩损伤有广阔应用前景的手段。通过红外热像中的关键信息进行识别和提取，从而对煤岩损伤状态进行判别。本文对岩样进行了单轴加载，同步采集红外热像和岩样表面裂隙发育图，采用归一化直方图的方式对红外热像进行了分析处理，并利用不同灰度值区间的像素占比对红外热像的细节信息进行了定量表征。结果表明，不同时刻红外热像的灰度值分布能良好反映试样受载破坏过程表面温度和应力值的变化，在主破裂发生时，灰度值区间[240,255](岩样表面温度 29.01℃～33.19℃)的像素点百分比较上一时刻增加 13.85个百分点。另外，灰度值区间[224,255]的像素占比随时间的变化趋势与岩样损伤变量呈高度相关性，这表明基于归一化直方图的红外热像能够很好表征岩样损伤破坏过程。

以冷却塔红外热像温控系统设计为目的,根据水电混合动力冷却塔的结构特性,基于冷却塔内热质交换平衡方程及 Merkel数学模型建立水电混合动力冷却塔热力计算理论模型。运用红外热成像技术建立逆流式冷却塔热力性能监测模型, 完成冷却塔的温控系统设计, 并分析冷却塔温控系统温控精度误差产生原因。通过使用手持式红外测温仪进行现场实验, 验证了热力计算模型的准确性和其应用于冷却塔温控系统设计的可行性。

人体医学热红外图像直观反映了人体表面的温度分布，通过对红外图像进行深入分析能够提供智能化疾病辅助诊断依据。本文根据实际医学红外图像分析的需要，提出了上下半身图像拼接和人体部位划分两种预处理算法。在图像拼接阶段，根据图像采集环境的实际情况，首先对图像进行局部阈值分割，然后采用二值和灰度模板对上下半身图像进行对齐和融合。在区域划分阶段，通过对人体轮廓线进行极值点扫描确定部位区域关键点，并将人体图像划分成头部、躯干及四肢等区域。实验表明，本文所提出的红外图像预处理方法能获得满意的图像拼接及部位划分结果，可有效支持人体温度分布的定量及定性分析。

红外热图像目标区域(Region of Interest, ROI)提取对故障检测、目标跟踪等有着重要意义.为解决红外热图像干扰多、需人工标记及准确率低等问题, 提出一种基于多模态特征图融合的红外热图像ROI提取算法.通过对比度、熵及梯度特征构建多模态特征图并进行区域填充, 实现ROI提取.将新算法应用于实际采集的光伏太阳能板图像中.结果表明, 新算法具有平均查准率高(93.0553%)、平均查全率高(90.2841%)、F1指数和J指数均优于图割法, 人工标记少等优点, 可有效用于红外热图像ROI提取.

材料表面裂纹是导致构件破损、影响物理特性的原因之一。本文采用红外热像显微镜研究了材料表面裂纹检测的问题。首先在铝薄板上设计不同方向、不同长度的表面裂纹。由于裂纹处与正常区域之间的辐射能力的差异，造成表面温度场的不均匀性。红外显微镜捕捉到物体表面辐射，探测出不同方向的表面裂纹，引入标尺实现了裂纹长度的定量检测并做了误差分析。再研究了碳纤维层压板冲击损伤的表面裂纹，通过图像拼接完整显示了冲击损伤裂纹的形貌和走势，运用扫查法提取裂纹。研究结果表明红外显微镜具有探测材料表面自发辐射的能力，可用于不同材质表面裂纹的探测。

针对运行的变速箱轴承难以采集振动信号进行状态监测与故障诊断的缺点, 采用红外热图像对变速箱轴承进行状态监测与故障诊断。利用红外热像仪采集变速箱两端轴承的红外热图像, 然后通过二维经验模态分解方法将红外热图像分解成本征模式函数, 对其处理后与主成分分析法相结合进行图像融合, 得到对比度增强后的图像。最后对原图像与增强后的图像进行特征参数提取, 并利用聚类分析对轴承不同状态进行分离。证明了红外热图像可以准确地诊断出轴承故障。

为了实现对高压输电线存在的故障隐患进行自动检测, 本文提出了一种自适应特征引流管故障隐患智能识别算法。首先,分析了故障引流子的红外热图像特征, 把故障分为两类: 明显发热和微弱发热;其次, 针对引流管所引起的明显发热, 采用改进的Otsu阈值分割法对红外图像进行分割, 运用改进的Sobel算子提取轮廓; 第三, 用种子填充算法分离连通域, 通过Thread特征判断是否为故障引流管; 最后, 进入引流管所引起的微弱小区域发热识别, 运用高压输电线平行特征寻找主干线区域, 在主干线区域检测Harris角点, 通过STWN特征判断是否为故障引流子。实验结果表明, 发热隐患的识别率为94.6%, 漏检率为2.2%, 误识别率为5.5%。

提出一种基于总体最小二乘( Total Least Square)和 Shearlet变换相结合的零值绝缘子红外图像自适应去噪算法。首先利用 Shearlet变换对原始图像进行分解, 得到各尺度各方向的 Shearlet系数；然后考虑到不同尺度 Shearlet系数之间的相关性, 利用总体最小二乘准确估计了各层的 Shearlet系数；最后对处理后的系数进行 Shearlet反变换重构得到去噪图像。实验结果表明, 该方法与小波去噪法和 Bayes估计去噪法相比, 能够在有效去噪的同时, 更好地保留了图像边界和纹理信息。