无人平台以其成本低及持续行动力强等优势可执行决策、搜救、打击、监视等任务,在海、陆、空等多个领域取得广泛应用。其中,信号获取是无人平台执行一切任务的前提和基础,因此,各式各样的光电载荷成为无人运动平台不可或缺的一部分。其中,红外成像以其全天时工作、环境适应性强、作用距离远等优点应用于大多数无人运动平台。随着应用范围进一步扩大,人们在红外领域对成像帧频的要求越来越高。现有的成像系统已难以监视高速运动目标等需求,如检测复杂背景无人机时,由于成像帧频低,难以采集相邻目标场景红外辐射间微小的细节变换,导致检测效率低,限制了红外成像系统的应用场景。因此,本文重点研究了无人平台红外高帧频编码成像关键技术,主要开展红外高帧频成像及其后续图像质量提升研究。主要研究内容和取得的成果如下。(1)针对传统红外像机成像帧频低的问题,研究了一种基于编码测量的红外高帧频成像技术。首先,将目标场景红外辐射采用前置红外镜头聚焦于分光模块靶面上,将光路分为A、B两路;其次,设计编码模板矩阵,采用反射式空间光调制器对光路A进行编码调制,通过红外面阵探测器1延时曝光,获得调制叠加后的编码信息,同时采用红外面阵探测器2对光路B延时曝光,获得叠加后的边信息;最后,采用两步迭代阈值法对两组测量值进行重构,即可获得多帧红外图像。仿真实验结果表明,该技术能够有效提高红外成像帧频,并取得良好的成像效果。(2)针对传统红外图像非均匀性校正方法存在“鬼影”、校正后图像质量差等问题,提出了基于核递归的高保真度非均匀性校正方法。首先,研究了传统的神经网络校正方法,并采用核递归替代均值滤波,获得预测图像;其次,利用最陡梯度下降法,选取合适的迭代步长,更新增益和偏置;最后,运用更新得到的参数,获得校正后图像。仿真实验结果表明,所提方法可以抑制“鬼影”,并提高图像质量。(3)针对无人平台红外图像高背景、低反差所导致的红外图像具有低分辨率、细节不清晰等问题,实现了基于卷积神经网络的红外图像超分辨率重建技术。首先,深入分析卷积神经网络,构建基于卷积特征提取层、非线性映射层和图像重建层的三层网络模型;其次,通过高-低分辨率图像对训练网络,获得网络参数;最后,输入低分辨率红外图像,通过训练好的网络参数,可输出最终的高分辨率图像,实现端对端的超分辨率重建。仿真实验结果表明,所提方法提高了图像分辨率,并增强纹理细节信息。