光谱发射率是研究目标物体红外辐射特性的一个极其重要参数,它能够非常全面地反映某个目标物体的红外辐射规律,因此物体的光谱发射率在很多的方向上都有应用,例如医药和国防等方面。本文采用光谱辐射计采集目标物体的光谱辐射亮度,再利用红外物理的相关知识理论,通过目标物体的波长与光谱辐射亮度的关系,建立神经网络模型。利用所建立的神经网络模型计算出波段在3~5μm和8~12μm时目标物体的红外辐射亮度,利用维恩位移定律与普朗克公式计算此时的温度,并与标准黑体在相同条件下的红外辐射亮度比值可以得到此温度时目标物体的光谱发射率。本文的主要研究内容包括:结合红外物理的相关知识,利用标定后的辐射计测量目标物体的光谱辐射亮度干涉数据,再通过计算得到目标物体的光谱辐射亮度数据。利用RBF神经网络算法对3~5μm和8~12μm波段的光谱辐射亮度数据进行建模,计算得到3~5μm和8~12μm波段内目标物体的光谱辐射亮度。通过红外辐射特性的基本规律,计算目标物体的表面温度;同时根据能量法,进而计算出目标物体的光谱发射率。将波长与光谱辐射亮度数据作为神经网络的训练数据,建立极限学习机神经网络模型。利用神经网络模型计算得到的光谱辐射亮度数据计算3~5μm和8~12μm波段内的光谱发射率和表面温度。通过相同且大量的样本数据比较这两种算法,得出在拥有较高的准确率的条件下,极限学习机方法计算速度优于RBF算法。最后将极限学习机算法应用于计算飞机蒙皮的红外辐射特性。