红外监控摄像头因其在夜间或是光照条件不足的情况下仍然能够拍摄物体的能力得到了广泛的应用。但其中的红外截止滤光片切换装置若失灵,就会导致日间监控图像偏色,这一问题已成为红外监控摄像头的弱点之一。针对这一问题,本文提出用一种软处理方式即算法来替代传统的IR-CUT。实验使用的摄像头的构造依然保留原有的CMOS图像传感器,红外截止滤光片则由850 nm双峰滤光片代替。在日间该摄像头所拍摄到的图像将会受到850 nm近红外光的串扰,本文将此类图像命名为四带图像。在查阅了国内外关于四带图像的相关文献之后发现,只有少数针对四带图像偏色校正的研究。其他涉及到四带图像的应用场景其目的不是消除红外串扰恰恰是利用红外光与可见光二者的互补性来进行后续研究。因此本文从四带图像的偏色原因入手,使用常用的偏色校正算法对四带图像进行校正并分析校正效果。从中获得启发,摒弃了原先在原始图像中寻找偏色校正突破口的方式,转而寻找四带图像与其对应的三带图像二者之间的隐含关系。因BP神经网络对于多维函数具有良好的映射效果,所以本文针对四带图像偏色的问题提出了基于BP神经网络的四带图像偏色校正算法。该算法分为训练阶段和校正阶段。在进行训练之前需要对图像进行必要的预处理,训练集中的多组图像输入算法并得到校正矩阵之后,将校正矩阵用于测试集中图像的校正并分析实验结果。由于学界没有公开的公共图像数据集,因此本文使用的数据集均为自行拍摄而得。所拍摄图像的场景可以分为五类,第一类为D65标准光源箱内;第二类为室内有窗且无照明灯;第三类为室内有窗且有照明灯;第四类为室内往室外拍摄的场景;第五类为室外拍摄场景。所有图像均记录了拍摄时的色温。在验证了算法的可行性之后,对于算法的泛化能力进行了提升并拓宽了该算法可校正的四带图像的范围。对于偏色严重的部分,不再采用区域分割的校正方法,而是对整幅图像进行整体校正。经过与常用偏色校正算法的对比分析得出,本文所提算法对四带图像的偏色校正不论是在直观感受或是色差分析的数据上都呈现良好的实验结果,对于受红外串扰的图像偏色校正问题有一定的参考价值。