测温技术有非接触式测温技术和接触式测温技术之分。随着社会的快速发展,人们对生活质量的要求逐渐提高,非接触式测温技术越来越受人们的欢迎,因为非接触式测温的测温速度快而且不会对测量对象造成任何影响。多光谱辐射测温技术可以同时得到物体的真温和光谱发射率,这在辐射测温技术领域中是独一无二的优势。多光谱测温中的难点和重点是多变的光谱发射率。光谱发射率会随材料的变化而变化,也会随温度,波长,粗糙度,氧化程度等多种因素的变化而变化。经过近几十年来各国学者的不断探索,对多变的光谱发射率问题的解决方法可以概括地分为四种。第一种是假设光谱发射率是一个常数或认为它的变化微乎其微,忽略不计,进而在很大程度上简化了多光谱数据的处理过程,这种方法是灰体模型假设法;第二种是假设光谱发射率与波长之间是多项式函数关系,再使用例如像最小二乘法的数学方法解出多项式的每个系数,最后带入多光谱数据方程组中求解得到被测对象的真温,这种方法是波长模型假设法;第三种是假设光谱发射率与真温之间是某种函数关系,通过把假设的关系模型带入多光谱数据方程组中计算得到测量对象的真温,这种方法是真温模型假设法;第四种是使用神经网络算法,通过对神经网络进行训练,可以实现在不假设光谱发射率模型的情况下反演得到真温,这种方法是神经网络模型法。本文研究的是在不假设发射率模型的情况下,通过把多光谱测温数据处理问题转变成求解最优化问题,避免了假设光谱发射率模型带来不可估计的误差这一问题,这种方法能自动地识别出不同变化趋势的发射率,有效地解决了未知且多变的光谱发射率问题。本文概述了辐射测温技术理论基础,介绍了多光谱辐射测温的三种数学模型。对于多光谱辐射测温中未知的光谱发射率问题,提出使用最优化方法来处理多光谱测温数据。第三章分别使用拟牛顿法中的BFGS算法、DFP算法和Broyden算法进行仿真实验,这三种算法都能自动识别不同的发射率变化趋势,都能反演得到目标的温度和光谱发射率。计算温度的最大相对误差小于2%,该类算法的效率较高,计算耗时均在0.2 s以内。第四章使用了带有约束条件的序列二次规划法（SQP）,构造了SQP算法的目标函数和等式约束条件。使用和第三章相同的六类变化趋势不同的发射率数据进行仿真实验,结果表明该算法能够自动识别出不同的发射率,能被用来处理多光谱测温数据。第五章使用傅里叶光谱仪（FT-IR）实验数据对上述四种算法进行实验验证,验证了以上四种算法的实用性和有效性。