在新型成像式系统的研制过程中,需要大量的红外图像对其进行测试和评估,而一些基于机器学习的红外目标识别算法也需要大量的红外图像进行神经网络训练。在红外图像的获取中,由于红外实拍图像获取难度和限制较大,仿真图像真实感较低。所以研究人员提出一种基于真实数据的红外图像/场景仿真方法,利用实测数据获得目标的真实辐射分布,将目标的真实辐射分布应用到红外场景仿真中,提高仿真的真实性。其中根据红外成像原理,将实测数据转换成目标真实辐射分布的方法称为温度反演法。基于温度反演法的本征图像获取技术已经大量应用于红外场景仿真中。虽然传统的反演方法考虑了目标辐射传输过程中大气和传感器效应对成像结果的影响,但没有考虑到场景中环境辐射对反演结果的影响,并将目标表面的本征辐射近似为目标的自发辐射。本文在反演过程中通过建立红外光照模型对目标本征辐射的组成成分进行分析,并对目标辐射中的反射部分进行了去除,提取出准确的目标自发辐射能量。首先,本文对红外成像原理及成像过程模型进行了研究分析,介绍传统反演算法的反演原理以及各模型效应修正,并对不同光照下的目标进行了传统反演处理。通过对比分析不同光照下目标的反演结果,指出传统反演算法的弊端,引出本文的研究内容。然后,介绍了光波的反射原理和双向反射分布函数,结合红外波段下目标的自发辐射,建立了红外光照辐射模型。对光照模型中各部分分量进行分析后,提出通过建立校准球的方法对红外场景中辐射信息进行提取,利用提取到的场景辐射信息结合目标材质等信息得到目标本征辐射中的反射能量部分。并对提取原理和提取过程进行了描述。最后,介绍了对本文反演算法的框架,即在传统反演算法的基础上,对目标的本征辐射信息进一步处理,从目标的本征辐射中提取出目标的自发辐射信息。并按照反演算法的流程对红外图像进行反演处理,对比分析了本文算法反演结果和传统反演算法的反演结果。