最小可分辨温差(MRTD)是用来表征热成像系统性能的一个非常重要的参数,它引入了系统各环节对仪器性能的影响,并且与操作者的使用状态相符合,因而能够较全面代表系统的探测能力。MRTD是由人的主观判断来定义的物理量,已提出各种主客观方法来评估该参数。计算机智能化的发展使智能测量MRTD成为现实。神经网络部分模拟生物的脑和神经系统的结构和功能,能够进行自我学习,经过主观测试结果训练后的神经网络就具有了类似人的判断能力。基于神经网络,计算机能对采集到的红外图像进行特征提取,然后利用神经网络对特征向量进行识别并做出符合人眼主观测试的判断结果。这样就能用统一的评判原则来对红外热图进行准确判断,避免了个体差异,长时间工作疲劳等因素的影响。尤其对于多台同类型的热像仪进行评价,这种方法能大大提高测试效率,减小误差。本文提出一种智能测量MRTD的神经网络系统模型,阐述其实现方法并验证可行性。详细介绍了特征向量提取算法、神经网络模型确定以及测试结果分析。MRTD智能测量是建立在大量主观训练数据的基础上,影响主观测试的各因素也同样影响最终测量的准确性。综合考虑算法模型等因素,文中详细分析了影响智能MRTD测试精度的各因素并采取措施减小其影响。同时,讨论了智能MRTD测量的实际意义以及将其应用到实际测量当中还需进一步研究与解决的问题。