下载文档原格式
红外图像处理与识别技术研究随着科技的不断发展，红外图像处理与识别技术在军事、工业、医疗等领域广泛应用。
本文旨在探讨此类技术的发展现状、发展趋势及应用前景。
红外图像处理技术红外图像处理技术是指对红外图像进行处理、分析和提取图像特征的一种科技。
它不仅可以处理第二代、第三代红外图像，还能够处理更高清晰度的图像，并可根据需求观察不同宽度的光谱带。
目前，该技术已广泛应用于红外成像、指纹识别、人脸识别、情报分析等多个领域。
红外图像识别技术红外图像识别技术是指使用计算机、人工智能、图像处理技术等手段对红外图像进行识别并输出识别结果的一种技术。
传统的人脸识别、指纹识别等技术无法应对某些特殊情况，而红外图像识别技术则可以更好地解决这类问题。
例如，在识别黑暗环境下的物体时，红外图像识别技术优势尤为突出。
红外图像处理与识别技术在军事、工业等领域的应用军事领域红外图像处理与识别技术在军事领域的应用非常广泛。
一方面，它可以用来对敌方装备进行识别，以便作出应对措施；另一方面，它也可以被用来发现隐藏在夜间的敌人，提升军事安全。
近些年来，众多国家都在大力投资红外图像处理与识别技术，以提升国防实力。
工业领域在工业领域中，红外图像处理与识别技术也有广泛应用。
例如，它可以用于工业生产中对材料的检测及瑕疵的判定，可大大减少人工漏检的风险。
此外，红外图像处理与识别技术还可用于火灾和气体泄漏的实时监测，并在遇到危险时提供及时的警报。
医疗领域红外图像处理与识别技术在医疗领域的应用也日益普及。
例如，它可以用于病人的热图监测，帮助医生快速确定病情。
此外，该技术还可以用于对药品以及医疗器械等物品进行识别，减少因医疗器械混淆而产生的误诊。
红外图像处理与识别技术的发展趋势随着技术的不断进步，越来越多的领域也开始应用红外图像处理与识别技术。
在军事领域，红外图像处理与识别技术将会更加智能化，并与人工智能技术相结合，以便在多个方向上进行实时的预警。
在工业领域，红外图像处理与识别技术将会应用于无人机的监测、工业自动化、机器人监测等领域。
红外热成像仪的操作指南和图像处理技巧下载提示：该文档是本店铺精心编制而成的，希望大家下载后，能够帮助大家解决实际问题。
文档下载后可定制修改，请根据实际需要进行调整和使用，谢谢！本店铺为大家提供各种类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，想了解不同资料格式和写法，敬请关注！Download tips: This document is carefully compiled by this editor. I hope that after you download it, it can help you solve practical problems. The document can be customized and modified after downloading, please adjust and use it according to actual needs, thank you! In addition, this shop provides you with various types of practical materials, such as educational essays, diary appreciation, sentence excerpts, ancient poems, classic articles, topic composition, work summary, word parsing, copy excerpts, other materials and so on, want to know different data formats and writing methods, please pay attention!红外热成像仪的操作指南和图像处理技巧1. 红外热成像仪简介。
红外热像无损检测图像处理研究现状与进展来源：《红外技术》引言红外热像（infrared thermography）是目前运用非常广泛的一种快速高效的无损检测技术，通过外部施加的热或冷激励使被测物体内的异性结构以表面温度场变化的差异形式表现出来，从而达到缺陷部位的定性和定量分析。
其成像原理是利用红外探测仪将接受到的被测物体的红外辐射映射成灰度值，再转化为可视温度分布图（红外热像图）。
最早在二战末期应用于军事侦察领域，因其本身具有快速高效、无需停运、无需取样、可进行无污染、非接触、大面积检测、以及其直观成像等优点，而被作为复合材料的无损检测技术应用于工业领域，如航空航天、机械、油气、建筑等领域。
1 、红外热像技术的发展现状自20世纪以来，红外热像技术得到快速发展。
20世纪90年代，美国无损检测协会和材料试验协会针对红外热成像技术指定了相应标准，并在无损检测手册红外与热检测分册中描述了基于红外热像的无损检测技术在各个领域的运用。
目前美国、俄罗斯、法国、德国、加拿大、澳大利亚等国已将红外热像技术广泛运用于航空航天复合材料构件内部缺陷及胶接质量的检测、蒙皮铆接质量检测等。
近年来，红外热像技术与智能手机、无人机等设备充分结合，并在各个领域广泛使用，如美国的Fluke和FLIR、德国Testo、国内武汉高德、浙江大立等企业。
国内的红外热像检测技术比欧美、俄罗斯等发达国家起步较晚，但经过十几年的发展，目前也取得较为显著的成果。
中国特种设备研究院和武汉工程大学将红外热像技术运用于压力设备缺陷检验，取得了一系列显著的成果。
西南交通大学、昆明物理研究所、北京航空材料研究院、北京理工大学、西北工业大学等将红外热像技术运用于航空航天夹层结构件的缺陷检测，取得了有效进展。
在石油化工领域，各位学者将红外热像技术用于高温高压容器和管道的缺陷、保温层破损、以及内部液体流动情况的检测，也取得了许多成果。
2 、红外图像预处理红外技术应用的核心工作在于图像的处理及利用，不仅在无损检测领域，在军事监测、人脸识别等领域的应用更加重要。
如何利用深度学习技术进行红外图像处理深度学习技术在近年来的快速发展中，已经成为解决各种复杂问题的有力工具之一。
其中，红外图像处理是深度学习广泛应用的领域之一。
本文将介绍如何利用深度学习技术进行红外图像处理。
深度学习是一种基于人工神经网络的机器学习方法，通过模拟人脑神经元之间的连接，实现对数据的自动学习和分析。
红外图像处理是基于红外辐射捕捉的图像进行分析和处理，以用于目标检测、识别和跟踪等应用。
在利用深度学习技术进行红外图像处理时，首先要搭建一个红外图像处理模型。
常用的深度学习架构有卷积神经网络（CNN）、循环神经网络（RNN）、生成对抗网络（GAN）等。
针对红外图像处理，卷积神经网络是最常用的架构之一。
红外图像处理主要涉及到目标检测、识别和跟踪。
在目标检测中，深度学习模型可以通过对训练样本的学习，自动提取图像中目标的特征，并实现目标的准确检测。
例如，可以使用基于卷积神经网络的目标检测算法，如Faster R-CNN、YOLO 等。
在目标识别任务中，深度学习模型能够学习并识别出不同目标的特征，从而实现对红外图像中目标的分类。
常用的方法包括使用经典的卷积神经网络，如VGGNet、ResNet等，在大规模数据集上进行训练，以实现对红外图像中各种目标的高效识别。
在目标跟踪任务中，深度学习模型可以通过学习目标的动态变化，实现对目标在连续红外图像中的跟踪。
例如，可以结合卷积神经网络和循环神经网络，其中卷积神经网络负责提取目标的静态特征，而循环神经网络则用于建模目标的动态变化。
另外，深度学习技术也可以应用于红外图像的增强和去噪。
通过深度学习模型的训练，可以实现红外图像的超分辨率重建、细节增强等任务。
同时，深度学习技术还能够去除红外图像中的噪声，提高图像的质量。
在利用深度学习技术进行红外图像处理时，数据集的质量和大小对模型的训练效果至关重要。
获取和标注大规模的红外图像数据是必要的，在标注过程中要尽可能准确地标注目标的位置和属性，以提高模型的性能。
红外图像处理技术研究在现代的电子技术领域当中，红外图像处理技术是一项非常重要且具有广泛应用的技术之一。
它能够将人眼无法看到的红外图像转化为可见的图像，为军事安防、医疗诊断、火灾监测等领域提供了重要的帮助。
一、红外图像的基本原理红外图像处理技术的核心是红外成像技术，它利用物体发出和散射的红外辐射信号，通过红外相机采集到的信号在红外摄像机内部经过处理，最终转化为人眼可见的图像。
红外图像的成像原理是基于物体温度发射的热辐射的原理。
红外光与物体发生相互作用时，若物体温度高于绝对零点，就会向外发散一定量的红外辐射。
二、红外图像的应用领域军事安防领域是红外图像处理技术最为广泛的应用领域之一。
军事应用中的红外图像处理技术主要包括红外成像目标探测、目标识别与跟踪、目标跟踪与测距、遥感成像、战场侦察等。
红外图像处理技术在这些方面的应用，主要目的是提高战场作战能力，减少战争损失。
医疗诊断通常需要使用红外成像技术来检测人体内部情况。
通过这种技术，人们可以在不侵入人体内部的情况下，准确了解到人体内部不同组织的温度情况，从而及时检测疾病的种类、位置及程度，并做出精准的诊断结果。
火灾监测领域也是红外图像处理技术的一个重要领域。
红外摄像机在火灾监测领域的应用，主要能够帮助监测人员及时发现并确定火源位置、火势强度和火场边界，从而及时采取措施进行灭火。
三、红外图像处理技术的发展趋势红外图像处理技术的发展一直在不断加速。
高清红外成像技术和热成像技术的领先应用被广泛应用于军事和民用领域。
目前，有越来越多的研究专家开始着眼于红外图像处理的深度学习和云计算、人工智能的应用。
与此同时，红外图像处理技术也逐渐向着智能化发展，不仅能够在检测中发现异常，同时也能够自主做出判断，成为某种程度上的“人工智能”。
总之，红外图像处理技术的应用已经深入到我们日常生活的各个领域之中。
未来，红外图像处理技术的突破还将促进机器智能的普及和发展，推动红外成像技术走向更加广泛的应用。
红外数据处理方法
红外数据处理方法主要分为以下几种：
1. 空间滤波：红外图像中常常存在噪声和干扰，空间滤波可以通过平滑和增强图像以去除噪声和改善对比度。
常用的空间滤波方法有均值滤波、中值滤波和高斯滤波等。
2. 热成像处理：红外图像是由物体的热辐射产生的，热成像处理方法可以通过将热像仪拍摄的图像转换为温度分布图，提取出物体的热信息。
3. 目标检测和跟踪：红外图像中的目标检测和跟踪是红外图像处理的关键任务，常用的方法包括阈值分割、形态学处理和边缘检测等。
4. 特征提取和分类：红外图像中常常需要对目标进行特征提取和分类，以实现目标的自动识别和分类。
常用的方法包括纹理特征提取、形状特征提取和颜色特征提取等。
5. 图像增强：对于红外图像中的低对比度和低分辨率问题，可以采用图像增强的方法来改善图像质量。
常用的图像增强方法包括直方图均衡化、灰度拉伸和局部对比度增强等。
本篇论文选用一种基于DSP的红外图像处理及传输系统，对一幅320X 240 红外图像进行非均匀性校正和图像增强，最后将处理后的图像数据通过USB接口传输到PC机上进行显示。
论文中通过非均匀性的定义系统的研究了非均匀校正的算法分类和各种算法之间的比较。
目前可以分为两类：基于红外参照源的校正算法和基于场景的校正算法。
基于红外参照源的校正算法包括一点校正法，两点校正法和多点校正法。
基于场景的校正算法包括十余高通滤波法，人工神经网络法等。
这几种算法的比较可以参考论文。
这里重点研究了两点温度定标算法。
这也是在实际中应用较广泛的一类算法。
这个算法实际是由两个假设条件：每个探测单元的响应是线性的并且探测单元的响应必须具有时间稳定性。
具体的两点温度定标算法理论此处省略。
此处详细介绍系统的结构：FIFO在CPLD的时序控制下读入图像数据，然后将图像数据再送入DSP 中进行图像处理，处理完的图像保存到SDRAM中，当产生中断时，通过USB 接口传输到PC机上显示。
5509A自带USB模块，它是一个符合USB1.1协议的从属USB模块。
利用usb 模块实现数据的通信是次论文的亮点。
Usb的引脚论文中给以了详细的说明，这里重点说明一下usb与dsp存储器之间的数据传输：在IN事务中，SIE (串行接口引擎)从UBM 接收数据，转换成串行数据流后送给主机。
在OUT事务中，SIE将主机的串行数据转换成UBM的并行格式。
UBM在SIE与缓冲器RAM之间传输数据。
在UBM将数据传输到SIE之前，CPU或USB的DMA控制器必须将数据放入缓冲器RAM中。
当CPU或DMA控制器已经准备好将数据移入DSP的存储器时，必须等待UBM把数据从SIE移到缓冲器RAM。
图像的采集电路系统选用了Integrated Device Technology(IDT)公司生产的IDT72V263，它是一款可编程同步FIFO芯片。
FIFO是一种具有存储功能的高速数字芯片，在高速数据采集时常被用作数据缓存，有同步FIFO、异步FIFO和触发FIFO三种。
红外图像处理系统的方案设计一、引言1.1 研究背景和意义1.2 研究现状分析1.3 研究方法二、红外图像处理系统的需求分析2.1 系统功能需求2.2 性能指标要求2.3 安全性要求三、红外图像处理系统的硬件设计3.1 硬件平台介绍3.2 设计方案分析3.3 具体实现方案四、红外图像处理系统的软件设计4.1 软件平台介绍4.2 系统框架设计4.3 算法实现五、红外图像处理系统的测试与优化5.1 测试环境搭建5.2 测试方案设计5.3 结果分析与系统优化六、总结与展望6.1 研究成果总结6.2 存在问题与改进6.3 发展前景与展望备注：本提纲仅为示范参考，请根据实际情况进行具体修改和完善。
一、引言近年来，随着红外技术的不断发展，红外图像处理系统在很多领域中得到了广泛的应用。
红外图像处理系统主要用于对红外波段的图像进行去噪、提取特征、分类识别等处理，可应用于军事侦察、环境监测、医疗设备等领域。
存在一些红外图像处理算法和技术，如红外成像、数字信号处理和计算机视觉等方向，这些技术和算法对红外图像处理系统的研究起到了关键作用。
本论文的目的是针对红外图像处理系统进行方案设计，通过分析红外图像处理系统的需求，设计出可行的硬件和软件方案，并搭建测试环境进行实验验证，最终提出系统优化建议。
本文将从五个章节来展开论述。
1.1 研究背景和意义红外图像处理技术是将红外成像技术、数字信号处理技术、计算机视觉技术等多个领域的技术应用于红外图像中，对红外图像进行处理、提取特征和分类，以达到目标检测和目标追踪的目的。
红外图像处理技术具有以下优点：首先，红外图像处理技术与可见光图像处理技术相比，可以在低光、雾、烟雾和沙尘暴等恶劣环境下进行图像采集和处理，具有更广阔的应用前景；其次，红外成像技术可以通过人造热源与自然环境发出的红外辐射来实现目标检测，具有比较高的隐蔽性；最后，红外图像中的纹理特征可以更好的描述目标的表面属性，产生红外图像多样性，很大程度上提高了红外图像处理技术的鲁棒性。
红外热成像仪的操作指南和图像处理技巧红外热成像仪是一种应用红外热学原理来检测和测量物体表面温度的设备。
它通过接收并记录物体发出的红外辐射，将其转化为热像图，帮助我们观察物体的热分布、发现异常温度区域，并在各种应用领域发挥重要作用。
在使用红外热成像仪之前，掌握一些操作指南和图像处理技巧是必要的。
一、操作指南1. 设备预热：红外热成像仪在使用之前需要预热一段时间，以使其达到稳定工作状态。
通常，预热时间为10到20分钟，具体时间会有所不同，请根据设备规格进行设定。
2. 距离和角度：在使用红外热成像仪时，应保持一定的距离和角度，以获得清晰的图像。
一般来说，最佳观测距离为物体高度的3到5倍，最佳角度为与物体垂直推荐。
3. 背景校正：红外热成像仪测量的是物体的表面温度，而背景温度会对结果带来干扰。
在测量之前，应进行背景校正，即将红外热成像仪对准一个均匀温度的表面（如白墙），按下校正按钮进行背景校正。
4. 测量前准备：在进行测量之前，应尽量将被测物体的表面清洁，以减少外界的影响。
同时，需要了解被测物体的特性，选择合适的测量模式（如点测、线测、剖面测等）。
5. 动态测量：在某些情况下，需对物体进行动态测量，即物体在运动状态下的温度变化。
此时，应选择高帧率模式，以捕捉到物体运动过程中温度的变化。
6. 图像保存和导出：在操作红外热成像仪时，及时保存图像十分重要。
一方面，可以记录测量结果，另一方面也能方便后续的图像处理。
红外热成像仪通常提供图像导出功能，可以将图像导出到电脑进行后续处理。
二、图像处理技巧1. 色彩调整：红外热成像仪所得到的热像图可能会因为环境和设备的不同而产生一定的色彩偏差。
在图像处理时，可以通过调整色彩平衡和色彩映射，将图像呈现出更加真实和清晰的色彩。
2. 温度范围设定：在处理图像时，可以设定一个温度范围，并将温度范围外的区域显示为黑色或白色，以突出显示感兴趣的温度区域，同时排除其他温度影响。
3. 温度差异增强：通过增强不同温度区域之间的对比度，可以更容易地观察到温度差异。
红外辐射测量的基本原理是：目标和背景发出的红外辐射，经大气吸收和散射，能量受到部分衰减，而又加上大气路径辐射的影响，目标的对比度降低。
受到大气扰动的场景辐射被光学系统接收，会聚到红外探测器上，探测器将入射的红外辐射转化成电信号，经信号处理系统的一系列处理后，最终输出用电平数据表示的辐射图像。
目前红外探测的主要传感器为红外焦平面阵列相机。
为了从红外焦平面阵列相机输出的红外图像中得到目标的红外辐射特性数据，需要对其进行绝对红外辐射定标。
可以说精确的定标是保证测量精度的前提。
辐射定标的目的是建立红外辐射特性测量系统输入辐射量（入瞳处）与系统输出间的函数关系。
为了保证辐射定标精度，定标过程中，需要根据红外成像系统自身的光学系统结构、口径大小及工作环境的不同，合理的选择不同的定标源与定标方法。
而非均匀性校正是红外辐射定标前必须完成的工作，这部分工作对于提高红外成像系统的成像质量，进而获得精确的辐射定标和辐射特性测量数据有重要意义。
1、非均匀校正
红外辐射特性测量系统属于热成像系统的一种，主要采用的探测器为制冷型红外焦平面阵列。
在理想的情况下，红外焦平面阵列（IRFPA，infrared focal plane array）在受到均匀辐射照射时，探测元输出的图像灰度应完全一样，然而，受到材料、制造工艺和工作环境等因素的影响，IRFPA普遍存在着非均匀性，具体表现为：IRFPA 各探测像元在相同辐照条件下，通常会表现出不同的响应。
通常称这种不一致性噪声为非均匀性噪声，在图像上具体表现为空间噪声或固定图案噪声。
这种非均匀性导致的空域噪声通常远远大于时域噪声，不能通过时域平均得到抑制，因此非均匀性的存在会显著降低成像的信噪比和辨析率，极大的限制成像系统的性能，是IRFPA的整体成像性能的最主要限制因素。
在以IRFPA 为探测器的红外成像系统中，非均匀性校正是一项十分必要的工作。
IRFPA非均匀性产生的原因多种多样，十分复杂，无法建立完整、精确的数学模型及计算理论，目前对其数学描述仅处于经验公式阶段，IRFPA非均匀性产生的原因一般分为：（1）红外探测器自身的非均匀性，主要由制造探测器的材料质量和制造工艺决定。
一旦焦平面器件制造完成，这种制造工艺产生的非均匀性因素将始终存在。
（2）探测器与读出电路的耦合非均匀性。
该类原因主要由探测器件的电荷转移效率以及探测器与探测器读出电路的耦合程度不同产生。
（3）器件工作状态引入的非线性。
红外辐射强度的变化区间、器件所处的工作温度和器件驱动信号的变化等因素都会对焦平面阵列的均匀性产生影响。
除了探测器自身产生的噪声外，红外成像系统的光学系统也将引起系统输出的非均匀性，主要表现为：光学系统的镜头加工和装调的精度产生的成像非均匀性、离轴像元的渐晕和cos N效应产生的几何非均匀性、系统内部杂散辐射引起的非均匀性。
这些非均匀性受环境温度影响较大，因此对于红外成像系统工作环境或工作状态情况，非均匀性校正必须重新进行。
目前，国内外众多学者对红外焦平面阵列非均匀性校正（NUC，Non-uniformity Correction）进行了大量的研究。
非均匀性校正方法主要分为两类：基于参考辐射源的标定类方法和基于场景的校正方法。
1.基于场景的非均匀性校正方法
基于场景的非均匀性校正算法一般可分为空域算法和时域算法。
空域算法主要有神经网络法、恒定统计法、全局非均匀性校正方法、基于场景运动分析的校正算法和中值滤波法；时域算法包括时域高通滤波法、小波分析、卡尔曼滤波、轨迹跟踪法和代数校正法。
基于场景的非均匀性校正方法能够根据场景信息的改变实现校正系数的自适应更新，在一定程度上克服焦平面阵列响应漂移带来的校正误差，但需场景中存在运动、多幅图像才可实现，且没
有考虑到光学系统所产生的非均匀性。
综上，基于场景的非均匀性校正算法计算相对复杂，当前还无法满足实时性要求，不适合应用在工程实践中。
2.基于参考辐射源的标定类非均匀性校正方法
基于参考辐射源的标定类非均匀性校正是红外辐射测量中的一项关键技术，该类方法基本原理非常简单，校正精度高，实时性好，易于硬件实现，因此广泛应用于红外成像系统的非均匀性校正中，其校正效果直接影响红外辐射测量的精度。
该类校正方法的本质是获得各单元信号到整个焦平面单元平均响应信号的映射，使用校正函数来表达这种映射关系，红外焦平面探测单元的响应模型一般可按是否线性分为线性模型和非线性模型。
线性响应模型下的主要算法有：单点校正法，两点校正法和多点校正法；非线性响应模型下主要算法有：基于Hermite 插值、基于多项式和基于最佳平方逼近的校正算法。
2、辐射定标
2.1 标定源
（1）面源黑体
面源黑体是目前红外系统定标中最常用的定标源。
由于其有效辐射面积通常较大，因此其辐射的稳定性和均匀性要相对较低。
实际应用中，需要根据系统口径大小和定标精度要求，对面源黑体的面积、辐射的稳定性及均匀性等重要指标进行合理选择。
（2）腔型黑体
腔型黑体是一种有效辐射面积较小的辐射源，与面源黑体相比，其具有高发射率(0.99)、温度上限高（1000°C 以上）和辐射均匀性较差的特点，适合用于高温定标。
（3）积分球
积分球是以基尔霍夫定律基础制成的黑体源，它并非一个单独的测量设备，通常将其与光源、探测器配合，模拟理想漫射光源和匀光器，作为光辐射测量中的标准光源。
如将其与可调激光器、单色光源配合获得可见光至中红外波段的辐射，用于光谱定标。
它的主要优点有辐射精度高，均匀性好，由于其出射窗口大小的限制，一般将其作为中、小口径系统的定标。
（4）红外星
红外星通常被用与地基红外辐射特性测量系统的现场定标，主要通过标准红外星辐照度数据与地基红外系统的实测对比的方式，标定大气透过率和天空背景影响。
红外星定标需要系统具有较高的灵敏度，主要用于大口径光学测量设备的定标。
（5）地面辐射场
20 世纪80 年代前后，为了提高卫星定量遥感精度，以美国人P.N.Slater 教授为代表的学者提出以大面积的、均匀的地球表面作为目标，用于遥感卫星的辐射校正。
之后数年中，法国、日本和澳大利亚等国也相继建立了地面辐射校正场。
目前，地面辐射场校正己应用于多颗卫星的辐射校正过程，在可见和近红外波段可实现3%~5%左右的校正精度，已成为国际遥感界公认的辐射校正有效手段。
（6）太阳
太阳可被视为均匀朗伯体，通常可被用于飞机、卫星和航天器上的成像系统在飞行过程中的辐射定标。
由于其照射范围较广，因此最常用于星上定标。
2.2 辐射定标方法
辐射定标是目标辐射特性测量前必须完成的工作，其本质是通过拟合不同温度黑体的辐射亮度与其对应的红外成像系统的灰度值输出数据，获取红外成像系统入瞳处的辐射亮度与
红外探测器灰度值输出之间的函数关系。
目前常用的定标方法主要有三种：近距离扩展源法、直接成像法和平行光管法。
（1）近距离扩展源法(NES, near-extended-source)
近距离扩展源是目前最常用的辐射定标方法，采用该方法对红外系统进行定标时，将面源黑体放在光学镜头前，覆盖测量系统入瞳，为减小探测路径上大气程辐射、吸收和散射等因素对定标的影响，黑体与相机入瞳的距离尽量小。
近距离面源黑体定标方案可以有效避免大气及背景辐射的影响，定标精度高，并且可以同时对探测器全部像元进行定标，定标效率高。
但由于该方法需要面源黑体完全覆盖红外辐射特性测量系统的入瞳，对于大口径、宽动态范围的测量系统来说，使用该方法对面源黑体的尺寸和温度范围要求较高，提高了制作难度大和成本消耗，因此该方法一般用于小口径系统的定标。
（2）直接成像法
直接成像法是指定标过程中将黑体辐射源置于相机前较近位置，使其在探测器靶面直接成像，完成定标图像的采集。
采用直接成像定标存在两个问题：第一，无法通过一次定标完成整个靶面定标；第二，容易受大气和环境影响。
与近距离扩展源法相比，直接成像法精度和重复性略差，一般只能用于稳定环境下的实验研究，很少在外场任务中使用。
（3）平行光管法
平行光管法是一种使用平行光管与腔型黑体组合来模拟中、高温大面源黑体的定标方法，其基本思想与直接成像法相同，通常用于大口径测量系统中、高温段的辐射定标。
定标时，腔型黑体红外辐射经平行光管扩束后投射到待定标系统的入瞳处，一次定标实现整个靶面的定标。
该方法虽然能够利用平行光管提供封闭的成像路径，消除大气及背景辐射的影响，但由于大口径红外平行光管制造周期长、成本高和运输困难的特点，无法满足靶场设备的高机动性要求，只能用于室内定标。
目前国内的中国科学院长春光学精密机械与物理研究所、中国科学院红外探测与成像技术重点实验室在辐射定标方面进行了大量的研究，目前国内普遍采用黑体为标准辐射源的定标方案，定标精度一般在8%左右。
西安电子科技大学、哈尔滨工业大学、北京理工大学、中国科学院大学、南京理工大学等多家单位对非均匀校正进行了研究，实验结果证明具有一定的效果。
高光谱观测卫星（GF-5）卫星的载荷可见短波红外高光谱相机，在可见近红外通道的信噪比大于200，短波红外通道的信噪比大于100。
在轨采用漫反射板＋比辐射计方案进行辐射定标，绝对辐射定标精度优于5%，相对辐射定标精度优于3%。
星上设置定标装置，可实现在轨光谱及辐射定标。
