作者：吴跃忠贺一丁

一、红外光谱成像算法概述

生成高质量红外图像通常需经过以下典型处理流程：

原始探测器数据→非均匀校正（NUC）→坏点校正（DPC）→去噪/时域滤波→动态范围压缩（AGC/DDE）→伪彩映射→智能分析（测温/检测/跟踪）

该流程可划分为两个主要阶段：

前端处理（校正与恢复）：主要解决探测器自身缺陷，确保图像的可用性；

后端处理（增强与理解）：提升图像质量与信息提取能力，决定图像的实际应用价值。

二、核心算法：非均匀性校正（NUC）

1.问题本质

红外焦平面阵列（FPA）各像元对相同辐射强度的响应存在差异，主要由工艺离散性、偏置与增益不一致引起。典型表现为固定条纹、棋盘格或花屏现象。

2.两点校正（工业标准）

基于线性响应模型：

Y=G⋅X+OY=G⋅X+O

通过两个已知温度的黑体辐射源进行标定，求解每个像元的增益GG与偏置OO，实现像元响应一致性校正。该方法是当前红外相机中最广泛采用的校正手段。

3.快门校正

通过周期性引入机械快门提供均匀辐射参考面，实时更新偏置参数。优点在于实现简单、稳定性高；缺点包括图像短暂冻结及机械结构磨损。

4.无快门校正（SBNUC）

基于场景统计的自适应校正方法，利用时间、运动及统计一致性估计校正参数。常用技术包括时域均值滤波、卡尔曼滤波、最小均方误差（LMS）算法等。适用于无人机、车载等对机械可靠性要求较高的场景，但算法复杂度较高，调试难度大。

三、坏点校正（DPC）

1.坏点类型

死点：响应过低，图像偏暗；
热点：响应过高，图像偏亮；
闪点：响应随机跳变。

2.常用算法

中值滤波（3×3或5×5窗口）；
邻域插值；
动态坏点表管理。

坏点校正通常置于非均匀校正之后、动态范围压缩之前，以保证校正基准的一致性。

四、红外图像去噪

红外图像噪声来源复杂，主要包括读出噪声、温度漂移、1/f噪声等。

1.空域滤波

均值滤波：平滑效果好，但易损失边缘信息；
中值滤波：对椒盐噪声抑制效果显著；
双边滤波：在保留边缘信息的同时实现降噪，适用于细节敏感场景。

2.时域滤波

IIR低通滤波；
多帧平均；
自适应时域滤波。

时域滤波不损失空间分辨率，尤其适用于红外视频流，是工程中最实用的去噪手段之一。

五、动态范围压缩与对比度增强（AGC）

红外探测器通常具有高动态范围（14-bit以上），而显示设备仅支持8-bit，因此需进行动态范围压缩与对比度增强。

1.线性拉伸

实现简单，但易受高温目标影响导致图像“拉爆”。

2.直方图均衡（HE）

可增强整体对比度，但对噪声敏感，易产生“过白”现象。

3.对比度限制自适应直方图均衡（CLAHE）

采用分块处理与限幅机制，在抑制噪声放大的同时提升局部对比度，是工业界主流方案（如FLIR、海康等）。

4.细节增强算法（DDE）

借鉴Retinex思想，分离高频细节与低频背景，实现细节增强与动态范围压缩的平衡，适用于高动态场景。

六、伪彩映射

伪彩映射将单通道灰度图像转换为彩色图像，提升人眼对目标的辨识能力。常用色板包括Ironbow、White-hot/Black-hot、Rainbow等。⚠️注：伪彩映射不影响测温精度，仅服务于视觉判读。

七、测温算法

红外测温的核心是辐射反演，简化公式如下：

Tobj=f(Radiance,ε,Tamb,τ)Tobj=f(Radiance,ε,Tamb,τ)

关键影响因素：

发射率εε：不同材料发射率差异显著；
环境温度TambTamb：反射辐射干扰；
大气透过率ττ：受距离、湿度等因素影响；
反射温度：高反射表面（如金属）易引入测量误差。

工程建议：

对低发射率目标（如金属），可贴黑胶布辅助测量；
反射干扰是测温误差的主要来源，需谨慎处理。

八、目标检测（红外专属）

红外图像中目标常表现为“亮斑”，缺乏纹理信息，检测方法需针对性设计。

1.传统方法

背景建模；
Top-hat变换；
局部对比度分析。

2.人工智能方法

YOLO、Faster R-CNN等通用检测网络；
红外与可见光融合检测，提升复杂环境下的鲁棒性。

九、工程选型建议

平台类型	推荐算法组合
MCU / 低算力	两点 NUC、坏点校正、IIR 滤波、CLAHE
ARM / DSP	无快门 NUC、双边滤波、DDE
AI / SoC	多尺度增强、红外+可见光融合、深度学习检测

十、双光谱融合

红外与可见光图像融合可综合两者优势：红外反映热信息，可见光提供纹理与色彩。常用融合策略包括：

像素级融合：如小波变换、金字塔融合；
特征级融合：如目标检测前融合；
决策级融合：如检测结果融合。

融合后图像既保留热目标显著性，又具备场景语义信息，适用于安防、无人机巡检等场景。

十一、图像渲染

图像渲染指将处理后的红外数据以高质量、低延迟方式呈现给用户。关键技术包括：

色彩映射优化；
图像缩放与插值；
画质增强与抗锯齿；
显示链路延迟控制。

高质量渲染可显著提升用户体验，尤其在动态视频流中。

十二、通用人工智能

通用人工智能（AGI）正深刻重塑红外成像技术：

图像增强：超分辨率、去噪、细节重建；
目标检测与识别：端到端深度学习网络；
融合感知：多模态信息融合；
智能测温：基于深度学习的发射率估计与环境补偿。

未来趋势是构建“感知-理解-决策”一体化的红外光谱智能系统，推动红外技术从“成像”走向“认知”，广泛应用于国防、石油化工等行业。