红外热成像检测由于非接触、快速诊断、检测面积大等诸多优点被广泛应用于复合材料构件的无损检测。但存在红外图像信噪比低、检测信息源较单一、缺陷量化诊断精度不高等瓶颈问题。基于红外热成像的复合材料构件无损检测的关键在于如何对复杂构件表面温度场进行快速、准确、动态的测量，以及如何对采集的红外温度场信息有效处理获得复合材料缺陷的定性、定量检测结果。因此该项目积极开展基于红外、可见光、深度多源异构信号处理和融合互补的复合材料构件无损检测技术研究。在红外无损探测过程中的信息采集、信息优化、信息分析三个重要环节进行创新理论研究。首先，探索长波红外成像系统的噪声产生机理和特征分布规律，提出红外信号固定模式噪声的补偿算法和低像素特征重建模型，解决制约红外热成像仪器工作性能的瓶颈问题。其次，探索多源异构数据中互信息特征的构建机制，研究复杂场景中多源异构数据的时空精确匹配方法，支持红外温度测量任务中信息采集方式的维度扩展。最后，探索多源信息的融合互补方法，研究基于大数据深度学习的多源信号特征提取技术，提出在复杂背景噪声干扰下微弱/隐形缺陷检测深度网络模型的有效训练方法。研究成果为提升红外温度信号质量和解决缺陷诊断量化问题提供技术途径，可有效提升红外无损检测技术的应用范围和诊断精度。项目研究成果共发表/录用SCI论文15篇（JCR Q1论文3篇），英文著作章节1章，EI论文2篇。其中1篇论文被Applied Optics期刊选为2018年6月的编辑精选论文（Editor's Pick Paper），1篇论文被Optics Express期刊选为2018 Top Downloaded Articles In Imaging Systems and Displays，并应邀在国内测试领域期刊《振动、测试与诊断》上发表题为“红外热成像信号处理技术的研究进展”的专家论坛特邀论文。相关科研成果获得国内外相关领域专家关注，目前与中国航天科工集团二院二部、华为科技有限公司，法国ULIS（欧洲最大红外芯片制造厂商）积极开展科研合作。 2100433B