本篇论文的核心内容是探讨如何基于目标任务性能（Target Task Performance，简称TTP）准则对红外成像系统的性能进行预测。红外成像技术在诸多领域都有广泛应用，例如夜视、军事侦察、气象监测等。然而，随着应用需求的日益复杂，红外成像系统的性能评估模型需要不断更新，以反映现实世界中的各种操作条件。
论文开篇介绍了红外成像系统性能评价模型的发展。早期模型以Johnson准则为主，它假设目标识别能力与图像清晰度直接相关，并用图像分辨率来衡量系统的性能。然而，这种模型并没有考虑图像模糊、噪声和显示器亮度对人眼对比度的影响，因此在一些现实的复杂应用环境中效果有限。
为了克服这些局限，作者引入了TTP准则，并以此为基础建立了新的红外成像系统性能评价模型。TTP准则的核心是系统对比度阈值函数（CTFsys），它被用来代替传统的最小可分辨温差（MRTD）函数。TTP准则还采用了全新的周期准则V50，取代了传统的N50准则，这些改进使模型更适用于现代热成像系统，尤其是对现场性能的准确预测。
文章进一步分析了影响红外成像系统性能的几个关键因素。首先是传感器成像特性，包括其分辨率、清晰度、噪声水平等。这些因素直接关系到红外成像系统能否清晰地捕捉到目标。其次是人眼视觉机制，人眼的视觉质量与图像中超过人眼对比度阈值的信号总量有关。模型中增加了人眼对比度因素，从而提高了模型的适用性。
研究中还指出了传统模型存在的另一个问题：数字图像处理技术引入的噪声。尽管之前的模型有所改进，但它们仍然基于滤波器思想，难以处理这些新型噪声。论文中没有明确指出如何解决这个问题，但提到将该方向作为未来工作的探讨内容。
通过分析不同距离处对热目标的探测、识别、辨认概率和信号欠采样引起的混叠问题对性能预测概率的影响，作者发现所提出的TTP模型与实验数据吻合度较高，证明了模型的有效性。实验数据验证了模型可以在实际应用中对热成像系统的性能进行准确的评价。
论文的结尾部分讨论了性能模型的进一步完善。为了提高红外成像系统的性能评价模型的准确性和适用性，作者建议进一步研究并整合人眼视觉机制、数字图像处理技术对噪声的影响等新的因素，并可能结合其他领域的最新研究成果。
此外，文章还提供了相关作者的简介和联系方式，并提到此研究得到了高校博士学科点专项科研基金项目的资助。
这项研究工作对红外成像系统性能评估模型进行了重要的创新和改进。通过对TTP准则的应用和对人眼视觉机制的深入理解，研究者能够更好地预测红外成像系统在实际应用中的表现，为红外成像技术的进一步发展和优化提供了理论基础和实验验证。
