复杂海面背景下舰船目标的检测和识别一直都是红外探测领域所面临的难点问题,当舰船和水面之间的温差较小时,目标容易淹没在背景杂波中,传统的基于红外强度的探测手段表现出较大的局限性。红外偏振探测技术作为一种新型的目标探测技术,能够提供更多与目标有关的信息,比如物体的材料种类、表面粗糙度等。物体的偏振状态是由物体自身的物理属性决定的,当目标和背景的辐射强度差十分微弱时,两者之间的偏振状态依然十分明显。因此利用红外偏振探测手段可以弥补红外强度探测技术对于海面背景下舰船目标检测的不足,较好地解决复杂海面背景下舰船目标检测识别时所遇到的问题。本课题主要从基于红外偏振辐射原理的偏振度仿真与建模、海面背景下水面及舰船偏振特性分析与红外偏振特征提取、海面背景下红外弱舰船目标增强和基于深度学习的舰船目标检测和识别四个方面展开工作和研究,总的研究成果可以分为以下四部分:(1)介绍了红外偏振现象产生的光波电磁场理论基础,并基于斯托克斯矢量方法详细推导了红外偏振定量表述的数学形式。然后根据菲涅尔定律、基尔霍夫定律及能量守恒定律,详细分析了基于红外反射和发射的偏振效应产生过程,并结合两者的综合作用,构建了红外偏振度计算模型。(2)利用构建的模型,仿真分析了海面背景和舰船目标在长波红外波段的偏振度差异,并通过实验测试验证了两者之间差异的稳定性。随后利用偏振成像技术在不同方向上的成像特点,提出了一种偏振正交差分算法,该算法基于斯托克斯矢量,计算得到目标场景的偏振度以及偏振角图像,通过对特定起偏角下的两个垂直方向的偏振光强进行差分运算,得到两者之间的差值图像,结果表明,利用偏振正交差分技术能够充分结合偏振度和偏振角以及辐射强度等信息,具有更完备的目标偏振信息表达能力,能够实现对不同场景下目标的增强和海面背景下舰船目标的检测。(3)针对海面背景下舰船目标与水体表面温差较小时对比度低的问题,基于海面背景和弱小目标之间偏振度的差异,采用非下采样剪切波算法对偏振度图像和红外强度图像进行融合,结果表明,与原始红外强度图像相比,融合了偏振特征的图像的局部对比度和信噪比等两项图像评价指标均得到提升,实现了海面背景下弱目标的增强,验证了海面场景偏振特征对于目标增强的有效性。(4)采用红外偏振度图像与原始红外强度图像进行非下采样剪切波算法(NSST)融合的技术对红外强度图像数据集进行融合增强,建立了红外偏振数据集。并利用深度卷积神经网络,实现了红外偏振数据集下海面背景中舰船目标的检测和识别。针对海面背景下舰船的检测和识别,通过采用Darknet-53作为网络的前端进行特征提取、采取最优的预测框长宽比等措施对深度卷积神经网络进行改进,然后利用偏振信息对红外样本数据集进行了增强,利用增强后的偏振数据集对神经网络进行了训练和检测,测试结果显示,相对于红外强度图像数据集,基于红外偏振图像数据集的网络检测准确率更高,验证了偏振信息对于提升深度卷积神经网络检测性能的有效性。