摘要

紅外相機相關(guān)技術(shù)的應(yīng)用是當前的研究熱點。本文通過回顧紅外熱像儀的發(fā)展歷程，介紹了紅外熱像儀的幾種主要處理技術(shù)，闡述了紅外熱像儀的圖像非均勻性校正、噪聲去除和圖像偽彩色增強技術(shù)，并簡要分析了圖像處理中使用的一些主要算法。描述了紅外熱像儀的盲元檢測與補償、測溫、目標檢測和跟蹤技術(shù)，通過分析紅外測溫、目標檢測和跟蹤的主要算法，指出了這些技術(shù)的優(yōu)缺點。同時，還介紹了多/高光譜紅外遙感技術(shù)的發(fā)展及其應(yīng)用。分析表明，紅外熱像儀處理技術(shù)在多個領(lǐng)域得到廣泛應(yīng)用，尤其在自動駕駛方向具有重要應(yīng)用價值，本綜述有助于拓展讀者的研究思路和研究方法。

關(guān)鍵詞：圖像處理；盲元檢測與補償；紅外熱成像測溫；目標檢測與跟蹤；多/高光譜遙感技術(shù)

1 引言

紅外線是一種電磁波，任何溫度高于熱力學絕對零度的物體都會產(chǎn)生紅外輻射。熱紅外成像通常指中紅外成像和遠紅外成像，其利用紅外探測器和光學成像物鏡，接收被測目標的紅外輻射能量，并將其分布模式反映到紅外探測器的感光元件上；探測器將信息傳送給傳感器的電子元件進行圖像處理，從而獲得紅外熱圖像。

紅外熱成像是一種無損、非接觸式檢測技術(shù)，最初應(yīng)用于軍事領(lǐng)域，主要分為兩類：

?
制冷型紅外技術(shù)：早期因制冷設(shè)備體積大僅用于實驗室，目前研究集中在提高工作溫度、長波探測和系統(tǒng)集成；

?
非制冷型紅外技術(shù)：屬于第三代紅外探測技術(shù)，采用焦平面探測器和雙色探測器，應(yīng)用范圍更廣泛。

高光譜遙感是具有高光譜分辨率的遙感技術(shù)，以光譜學為基礎(chǔ)，通過捕捉電磁波與物質(zhì)相互作用的波長變化，提供豐富地物信息，廣泛應(yīng)用于地質(zhì)調(diào)查、農(nóng)業(yè)、植被遙感、海洋遙感、環(huán)境監(jiān)測等領(lǐng)域。但該技術(shù)存在光譜段多、數(shù)據(jù)冗余問題，需進行降維、去噪等處理。

隨著科技發(fā)展，紅外熱成像和高光譜遙感技術(shù)的優(yōu)勢被充分開發(fā)，例如被動接收人體輻射形成熱圖像，具有對人體無害、隱蔽性好、可全天候工作等優(yōu)點，已廣泛應(yīng)用于醫(yī)療、建筑、電力、航空、交通等領(lǐng)域。但紅外熱成像存在圖像對比度低、細節(jié)分辨率差等問題，需通過一系列處理步驟優(yōu)化，本文旨在總結(jié)相關(guān)研究成果、指出不足，并探討基于深度學習的優(yōu)化算法及紅外熱像儀的發(fā)展方向。

2 紅外熱像儀

2.1 核心組成

熱成像系統(tǒng)包含四個基本組成部分，各部分功能明確：

組成部分	核心功能
光學系統(tǒng)	將接收的紅外線聚焦到紅外探測器的感光元件上
紅外探測器	核心部件，將紅外輻射轉(zhuǎn)換為電信號
電子信息處理系統(tǒng)	對電信號進行放大和處理
顯示系統(tǒng)	將電信號以可見光圖像形式顯示在監(jiān)視器或LED屏幕上

圖1 熱成像相機的組成（原文標注：Figure

2.2 成像原理

焦平面熱成像相機采用二維平面探測器結(jié)構(gòu)，具備電子掃描功能，被測目標通過物鏡將紅外線聚焦到紅外探測器陣列平面，原理與攝影相似（如圖2 焦平面熱成像原理，原文標注：Figure
2. Focal plane thermal imaging principle [14]）。

焦平面探測器由數(shù)萬個傳感元件陣列組成，具有響應(yīng)率均勻性好、尺寸微米級、功耗低等特點，其中電阻式微測輻射熱計型技術(shù)最成熟、應(yīng)用最廣泛。其工作原理為：紅外輻射通過光學透鏡到達探測像素，引起敏感區(qū)域溫度升高，熱膜電阻發(fā)生變化（如圖3 非制冷熱成像相機的工作原理，原文標注：Figure 3. Principle of operation of an uncooled
thermal imaging camera [2]）。

如圖3所示，R?為內(nèi)置探測器，R?為工作探測器，R?和R?為標準電阻，E為采樣電信號：

?
無紅外輻射時，橋路平衡，無電壓信號輸出；

?
有紅外輻射時，R?溫度變化導(dǎo)致電阻值改變，電路不平衡，輸出電壓信號。

2.3 關(guān)鍵性能指標

紅外熱像儀的核心性能指標包括：像素、空間分辨率、溫度分辨率、最小分辨率、光譜響應(yīng)、幀率、探測識別距離等。其核心功能是將被測目標的紅外輻射轉(zhuǎn)換為二維灰度或偽彩色信號，呈現(xiàn)目標的二維溫度分布，可實現(xiàn)遠距離探測、精準制導(dǎo)，且能在雨霧、無光等環(huán)境中全天候工作。

3 熱成像相機處理技術(shù)

紅外熱像儀采集的圖像存在偏暗、對比度低、分辨率低、邊緣模糊等問題，且受外界環(huán)境和設(shè)備自身材料影響，測溫精度較低。需通過校正、去噪、增強等處理，提升紅外圖像的測溫精度、對比度、分辨率和信噪比。

3.1 紅外圖像處理技術(shù)

3.1.1 非均勻性校正

紅外圖像的非均勻性與制造材料、工藝、器件工作狀態(tài)、外部輸入、光學系統(tǒng)影響等相關(guān)，需通過校正算法優(yōu)化。傳統(tǒng)校正方法分為兩類：

校正類型	具體算法
基于標定類	一點校正法、兩點校正法、多點校正法、插值校正法
基于場景類	時域高通濾波法、神經(jīng)網(wǎng)絡(luò)法、卡爾曼濾波法、基于配準的方法

圖4 紅外圖像非均勻性校正算法研究（原文標注：Figure 4. Study of nonuniformity correction
algorithms for infrared images.）

（1）兩點標定校正

當紅外焦平面探測器增益和直流偏置分量不一致時，會產(chǎn)生乘性噪聲和加性噪聲。兩點校正的前提是：探測器單元線性、熱響應(yīng)率穩(wěn)定，環(huán)境溫度變化小，外部入射紅外能量在標定溫度范圍內(nèi)，且1/f噪聲可忽略。

?
像素響應(yīng)輸出表達式：（u??為增益系數(shù)，v??為直流偏置系數(shù)）；

?
校正過程：；

?
校正后輸出：；

?
增益系數(shù)與偏置系數(shù)：。

圖5 兩點溫度標定示意圖（原文標注：Figure
5. Schematic diagram of the two-point temperature calibration.），其中b為標準像素輸出，左側(cè)a為未校正像素輸出，右側(cè)a為校正后像素輸出，P?和P?為低溫T?、高溫T?黑體均勻輻射下的探測器像素輸出值。

兩點校正法適用于標定溫度范圍內(nèi)，超出范圍則會顯現(xiàn)非均勻性。

（2）多點標定校正

在高低溫環(huán)境下，紅外焦平面探測器響應(yīng)元件呈非線性，兩點校正法會引入誤差，需采用多點標定。該方法采用多個不同溫度點，在每個溫度點之間進行兩點標定和多段線性擬合，更貼合探測器非線性響應(yīng)的實際情況（如圖6 多點溫度標定示意圖，原文標注：Figure
6. Diagram of multi-point temperature calibration.）。

?
多溫度點輸出表達式：；

?
分段校正公式：（φ∈[φ?, φ???]，m∈[1, k-1]）；

?
通用校正公式：。

多點校正效果優(yōu)于兩點校正，標定點數(shù)越多，校正偏差越小，溫度適應(yīng)性越強。

（3）BP神經(jīng)網(wǎng)絡(luò)校正

基于神經(jīng)網(wǎng)絡(luò)的校正無需標定，其中BP神經(jīng)網(wǎng)絡(luò)應(yīng)用最廣泛、技術(shù)最成熟。其核心是誤差反向傳播算法：

1.
每個神經(jīng)元與一個檢測單元相連，信息輸入隱藏層計算；

2.
計算值輸出至輸出層，與神經(jīng)元期望值對比得到誤差；

3.
超出設(shè)定范圍的誤差反向傳播，修改權(quán)重系數(shù)；

4.
反復(fù)學習直至誤差小于設(shè)定閾值。

3.1.2 圖像去噪

紅外圖像受探測器材料、加工方法、外界環(huán)境影響，噪聲嚴重，需通過去噪處理提升視覺質(zhì)量。傳統(tǒng)去噪研究集中在空間域和變換域，具體算法分類如下：

圖7 紅外圖像去噪算法研究（原文標注：Figure 7. Research on infrared image denoising
algorithms.）

近年來，基于深度學習的去噪成為主流，主要分為兩類：

?
多層感知器網(wǎng)絡(luò)模型；

?
基于卷積神經(jīng)網(wǎng)絡(luò)的去噪（含固定尺度和變換尺度）。

代表性算法包括：

?
DnCNN（2017年提出）：借鑒ResNet殘差學習，輸出原始圖像與重建圖像的殘差圖像，采用批量標準化技術(shù)，訓練效率和性能優(yōu)異；

?
FFDnet（2018年提出）：快速去噪解決方案；

?
其他：DeCS-net（適用于高光譜圖像去噪）、MCN網(wǎng)絡(luò)（適用于合成孔徑雷達圖像斑點噪聲去除）等。

3.1.3 圖像增強

紅外圖像增強的核心是強化有用信息、抑制無用信息，提升人眼對感興趣區(qū)域的識別度。算法分為傳統(tǒng)算法（基于空間域和頻域）和基于深度學習的算法（主流方向），具體分類如下：

圖8 紅外圖像增強算法（原文標注：Figure
8. Infrared image enhancement algorithms.）

主流傳統(tǒng)算法特點：

算法類型	核心原理	優(yōu)缺點
直方圖均衡化	壓縮少像素灰度級、放大多像素灰度值，均勻化灰度分布	提升整體對比度，但會增強噪聲、丟失弱小目標
改進型直方圖算法	雙平臺直方圖均衡化、對比度受限自適應(yīng)直方圖均衡化等	減少噪聲，優(yōu)化對比度提升效果
自適應(yīng)分段線性變換	拓寬目標分布窄區(qū)域，增強目標與背景對比度	突出感興趣區(qū)域，強化細節(jié)邊緣
Retinex增強	基于物體表面反射率與光照無關(guān)的理論，分解圖像亮度為反射率和入射光	提升圖像細節(jié)和動態(tài)范圍
傅里葉變換增強	低通濾波平滑圖像、高通濾波銳化圖像，突出輪廓特征和細節(jié)	兼顧平滑與銳化效果
小波變換增強	分離不同分辨率細節(jié)特征，非線性變換增強細節(jié)、抑制噪聲	增強細節(jié)的同時減少噪聲放大

此外，美國FILIR公司提出的數(shù)字細節(jié)增強技術(shù)，能有效壓縮紅外圖像動態(tài)范圍、保留弱小目標信息，是目前先進的紅外圖像增強方法，但核心技術(shù)未公開。

3.2 盲元檢測與補償

紅外焦平面陣列中存在盲元（過熱元、死元），會導(dǎo)致圖像出現(xiàn)亮斑或暗斑，需通過“檢測-定位-補償”流程處理，避免過檢測（正常像素誤判為盲元）和漏檢測（盲元誤判為正常像素）。

3.2.1 盲元檢測方法

檢測方法	核心原理
滑動窗口法	以待檢測像素為中心構(gòu)建(2n+1)(2n+1)窗口，計算窗口內(nèi)像素灰度值的最大值、最小值、平均值，當偏差Δ≥10%時判定為盲元
響應(yīng)特性法	對比過熱元、死元、正常像素的響應(yīng)溫度曲線，死元/過熱元曲線基本不變，正常像素曲線隨溫度變化
運動場景法	采用n×n窗口，以偏差Δ≥0.1為判定標準
積分時間調(diào)整法	調(diào)整積分時間，獲取不同時刻紅外焦平面響應(yīng)輸出值，通過輸出差值檢測盲元

3.2.2 盲元補償算法

補償算法	核心原理	適用場景
鄰域替換法	用盲元周圍有效單元值的平均值替換盲元像素值	孤立盲元（大面積盲元效果差）
時空相關(guān)性補償法	結(jié)合像素時間相關(guān)性（前一幀補償后單元值）和空間相關(guān)性，計算補償值	各類盲元（補償效果更優(yōu)）

3.3 紅外熱成像測溫技術(shù)

3.3.1 測溫原理

熱成像相機通過接收物體輻射能量生成信號，進而確定溫度，接收的輻射能量包括物體輻射能、大氣輻射能、環(huán)境反射輻射能。測溫遵循斯蒂芬–玻爾茲曼定律：，其中：

?
E為物體輻射功率；

?
ε為材料發(fā)射率；

?
σ為斯蒂芬-玻爾茲曼常數(shù)；

?
T為物體絕對溫度。

通過計算不同來源的輻射信號，對照標定曲線得到對應(yīng)溫度，最終在顯示設(shè)備上呈現(xiàn)。

3.3.2 熱像儀標定

黑體是測溫標定的標準參考物，具有完全吸收任意波段電磁波、無反射無透射的特性（熱平衡狀態(tài)下發(fā)射系數(shù)和吸收系數(shù)均為1）。實際應(yīng)用中，封閉等溫腔體上的小孔可模擬黑體輻射（稱為黑體爐）。

標定要求：

?
環(huán)境條件：室內(nèi)溫度(23±5)℃，濕度≤85%RH，無強環(huán)境輻射；

?
標定流程：將熱像儀對準多個已知溫度的黑體，記錄每個黑體的輻射信號與溫度對應(yīng)關(guān)系，形成標定曲線并存儲；測溫時，紅外探測器接收輻射信號后，通過標定曲線轉(zhuǎn)換為溫度。

3.4 目標檢測與跟蹤

紅外熱像儀的目標檢測主要針對人和車輛，核心流程為“圖像預(yù)處理→目標檢測→軌跡跟蹤”，不受光照條件影響，可在晝夜、雨霧等惡劣環(huán)境下工作，但遠距離監(jiān)控時無法清晰識別面部和外貌特征。

3.4.1 預(yù)處理環(huán)節(jié)

包括圖像去噪、增強、非均勻性校正，為后續(xù)目標檢測奠定基礎(chǔ)。

3.4.2 檢測算法分類

算法類型	核心流程/特點	代表性算法
傳統(tǒng)檢測算法	目標區(qū)域框選→特征提取→分類器分類	特征提?。哼x擇性搜索、Edge Boxes；分類器：Adaboost、SVM
基于深度學習的檢測算法	兩階段檢測（候選區(qū)域劃分→目標判斷）或單階段檢測（區(qū)域劃分與目標判斷結(jié)合）	兩階段：R-CNN、Fast R-CNN、Faster R-CNN；單階段：SSD、YOLO系列（YOLOv2/3/4/5）

深度學習算法優(yōu)勢：訓練過程中自動提取紅外圖像特征（底層卷積獲取位置信息，高層卷積獲取語義信息），檢測效率和精度優(yōu)于傳統(tǒng)算法。

4 多/高光譜熱紅外遙感

4.1 技術(shù)分類（按波段數(shù)量與光譜分辨率）

技術(shù)類型	波段數(shù)量	應(yīng)用場景
多光譜成像技術(shù)	可見光-近紅外范圍內(nèi)少數(shù)波段	常規(guī)地物識別、大范圍監(jiān)測
高光譜成像技術(shù)	可見光-近紅外范圍內(nèi)數(shù)百個波段	精細地物細分、光譜特征分析
超高光譜成像技術(shù)	可見光-近紅外范圍內(nèi)數(shù)千個波段	高精度物質(zhì)識別、微量成分檢測

4.2 核心特性與技術(shù)要點

高光譜遙感技術(shù)的核心是“圖譜合一”，獲取的數(shù)據(jù)為“數(shù)據(jù)立方體”，包含空間、輻射、光譜三重信息：

?
空間維度：呈現(xiàn)目標的空間分布；

?
光譜維度：每個空間單元可分解為數(shù)十至數(shù)百個窄波段，實現(xiàn)連續(xù)光譜覆蓋。

高光譜紅外成像系統(tǒng)采用面陣紅外探測器，通過光學分光棱鏡或光柵固定光譜波段，結(jié)合平臺移動掃描實現(xiàn)高光譜三維成像。

關(guān)鍵技術(shù)包括：

1.
高光譜圖像分類與特征識別；

2.
數(shù)據(jù)處理（數(shù)據(jù)降維、大氣校正等）：

?
降維方法：卷積運算、最小噪聲分量變換；

?
大氣校正：ATREM模型、ACON模型、FLAASH模型（基于MODERAN 4+輻射傳輸模型，校正精度高）。

4.3 技術(shù)不足

?
數(shù)據(jù)冗余與維度災(zāi)難：需有效降維和選波段；

?
空間分辨率低：光譜分辨率提高導(dǎo)致混合像元增多；

?
抗噪聲能力弱：相比全色、多光譜圖像更易受噪聲干擾；

?
信息利用不充分：空間和光譜信息在目標檢測、分類中未充分挖掘。

5 應(yīng)用領(lǐng)域

5.1 紅外熱成像處理技術(shù)的應(yīng)用

（1）交通領(lǐng)域

?
鐵路：火車車輪、軸承、熱軸箱測溫報警；

?
汽車：發(fā)動機、輪胎測溫，汽車防撞系統(tǒng)；

?
船舶：橋梁防撞預(yù)警系統(tǒng)；

?
航空：機身內(nèi)部缺陷檢測、機場跑道異物識別與預(yù)警。

（2）醫(yī)療領(lǐng)域

?
疾病診斷：組織器官炎癥、疼痛、血液循環(huán)檢查，惡性腫瘤輔助診斷及轉(zhuǎn)移趨勢判斷；

?
體溫篩查：新冠疫情期間廣泛用于人員密集場所；

?
制藥監(jiān)測：實時監(jiān)測藥片表面溫度分布。

（3）軍事領(lǐng)域

?
偵察：地面/海洋/航天偵察，穿透偽裝探測地下/水下目標；

?
武器相關(guān)：導(dǎo)彈預(yù)警、夜視作戰(zhàn)、炸藥溫升特性研究。

（4）電力領(lǐng)域

?
設(shè)備檢修：輸變電設(shè)備、變壓器、配電柜等過熱故障檢測與定位；

?
優(yōu)勢：非接觸測溫、精度高、安全性強，預(yù)防設(shè)備損壞和電網(wǎng)大面積停電。

（5）安防領(lǐng)域

?
火災(zāi)救援：穿透煙霧和障礙物尋找被困人員及隱藏火源；

?
森林火災(zāi)檢測：結(jié)合衛(wèi)星導(dǎo)航建立快速預(yù)警系統(tǒng)；

?
公共安全：安防監(jiān)控、刑事證據(jù)搜索。

5.2 多/高光譜遙感技術(shù)的應(yīng)用

應(yīng)用領(lǐng)域	核心應(yīng)用場景	技術(shù)優(yōu)勢
地質(zhì)調(diào)查	蝕變帶識別、礦產(chǎn)勘探、地下目標表征、煤火動態(tài)檢測	精細光譜特征分析，提升找礦和地質(zhì)災(zāi)害監(jiān)測精度
農(nóng)業(yè)與植被遙感	植物物種區(qū)分、水分脅迫檢測、作物長勢監(jiān)測與產(chǎn)量預(yù)估	光譜發(fā)射率反演，實現(xiàn)精準農(nóng)業(yè)管理
海洋遙感	海洋油污染監(jiān)測、海水溫度分布分析、海洋植被生長狀況評估	大范圍、無接觸監(jiān)測，快速獲取海洋生態(tài)環(huán)境信息
環(huán)境監(jiān)測	礦山污染檢測、土壤水分時空分布監(jiān)測、地表溫度估算	動態(tài)監(jiān)測能力強，為環(huán)境治理提供數(shù)據(jù)支撐
其他領(lǐng)域	軍事目標識別、材料表面發(fā)射率檢測、巖性分類mapping	高光譜分辨率優(yōu)勢，實現(xiàn)高精度物質(zhì)識別

6 結(jié)論

紅外成像技術(shù)具有隱蔽性好、抗干擾強、目標識別能力突出、可全天候工作等特點，能在黑暗、煙霧等環(huán)境中探測目標，極大拓展了人類感知范圍。隨著產(chǎn)品成本降低，其民用領(lǐng)域應(yīng)用不斷擴大（2020年全球民用紅外市場因新冠疫情測溫需求大幅增長，長期來看仍將快速發(fā)展）。

多/高光譜紅外遙感技術(shù)憑借“圖譜合一”的優(yōu)勢，在地質(zhì)、農(nóng)業(yè)、環(huán)境等領(lǐng)域的精細監(jiān)測中發(fā)揮重要作用，但需持續(xù)解決數(shù)據(jù)冗余、空間分辨率低、抗噪聲能力弱等問題。

未來，紅外熱成像設(shè)備將成為自動駕駛車載攝像和檢測設(shè)備的核心組成部分。目前其在汽車輔助駕駛中的應(yīng)用仍處于較低水平，但隨著自動駕駛技術(shù)的發(fā)展，應(yīng)用空間和潛力巨大。