随着探测目标的机动和伪装能力不断提升,其可探测性受到更多干扰,对探测器的探测性能要求也越来越高。对于红外探测系统而言,为了实现对信息多层面、多角度的感知,需要利用目标的红外辐射光谱特性,同时配合图像融合技术从红外成像中挖掘目标的细节特征,可以更好的实现对目标的探测和识别。为了提高红外探测系统的探测性能,本文从目标和环境辐射特性分析、波段选择和目标细节特征挖掘等方面做了如下的研究工作:(1)本文对高速飞行目标的蒙皮红外辐射、尾焰喷射口红外辐射、尾焰流场红外辐射分别进行了仿真建模,计算了目标的红外辐射特性。同时,讨论了尾焰组分分布的不同对尾焰红外辐射光谱特性的影响。尾焰组分的种类决定了尾焰红外辐射光谱的辐射峰位置,而尾焰组分的质量分数决定了辐射峰值的大小。(2)针对大气路径对目标红外辐射传输特性的影响,本文使用大气透过率计算软件MODTRAN对不同高度、不同观测距离、不同观测天顶角、不同大气模型和不同天气情况下的大气透过率和大气传输路径辐射进行了建模仿真计算,然后与飞行器的尾焰光谱辐射特性的计算结果相结合,分析了以上不同大气观察路径对目标红外辐射传输特性的影响。(3)分析了机载红外探测系统关注的高速飞行目标及背景的红外辐射特性,在此基础上,计算了不同观测角度、不同地物背景、不同大气模型以及不同天气情况四种因素对飞行器尾焰目标背景对比度的影响,并对不同情况下的最优探测波段选取给出了相应建议。(4)为了充分挖掘图像的细节信息以便于目标的探测和识别,研究了双波段红外图像融合技术。结果表明:对中波红外两个波段的图像,使用基于非下采样Contourlet变换(NSCT)和脉冲耦合神经网络(PCNN)相结合的图像融合算法进行图像融合,对比离散小波变换(DWT)、非下采样Contourlet变换、脉冲耦合神经网络等融合算法,具有更好的细节提取能力,可以实现深度挖掘图像中的细节信息、增强图像目标背景对比度的作用,从而可以提高系统的探测性能。