红外图像具有高噪声、低分辨率的特点，使图像特征提取时很难达到一致，并且图像的损失较大。针对传统互信息只考虑图像灰度信息而忽略了像素之间空间位置相互关系的缺点，同时考虑像素灰度值及其对应梯度的信息，将图像的空间信息通过灰度 -梯度联合矩阵引入到互信息的计算过程，提出一种基于梯度联合互信息量测度的红外目标匹配跟踪算法。仿真实验结果表明该算法不仅收敛性强、跟踪稳定，而且具有匹配跟踪精度高的特点，在目标出现遮挡时也能很好的跟踪目标。

针对传统运动目标检测方法在背景和目标都存在运动时，无法进行有效的运动目标检测的问题，提出了一种动态背景下红外运动目标检测算法。首先，提出了一种基于帧差法的图像匹配特征块选取方法，并结合改进的互信息测度对相邻图像进行背景匹配；接着对匹配后的图像进行帧差处理，给出了基于特征块的阈值确定方法；并对分割后的图像进行形态学滤波去除孤立干扰点；最后，利用图像投影的方法得到运动目标区域，完成运动目标的检测。仿真实验表明，该算法能减少背景干扰，突出运动目标，有效地检测出变化背景中的运动目标。Detection on Dynamic Background

分析了在有噪声和背景干扰情况下检测红外小目标的方法，提出了一种将循环平移Contourlet变换去噪 方法和自适应阈值分割方法相结合的红外小目标检测算法。该方法首先对原始图像进行循环平移阈值去噪，再用原始图像减去 去噪图像，对得到的残差图像进行自适应阈值分割，分离出少量的候选目标点，最后利用目标运动的连续性和一致性检测出 目标。分别用Contourlet变换法、小波变换法和本文提出的检测法对小目标进行了检测。仿真结果表明，本文提出的检测方法 能较精确地检测出序列图像中的红外小目标，检测效果优于Contourlet变换法和小波变换法。

在分析存在背景和噪声干扰下的红外小目标检测方法的基础上，提出了一种时空结合的红外小目标检测算法。首先，基于相邻帧背景图像灰度值变化的特点，提出了基于三阶中心矩统计分布确定小目标区域方法，接着对图像进行非下采样Contourlet变换(NSCT)，定义子带的能量系数，并结合各个子带的能量系数得到各点的能量值，进而得到一个基于各点能量值的图像。最后，根据能量图像中小目标、背景及噪声的不同分布特点，利用阈值分割得到要检测的小目标。仿真实验结果表明，该方法能较精确地检测出红外小目标，具有较高的检测率和较小的平均虚警数；对单一背景和运动背景下的红外小目标进行检测，其检测率分别达到了98%和97%，平均虚警数仅为0.05和0.17，并且在小目标出现快速以及不规则运动时仍能进行有效检测。

对存在背景干扰和噪声情况下的红外小目标检测方法进行了分析，提出了一种时空结合的红外小目标检测 算法。首先根据背景图像变化较慢的特点，运用相邻帧相减以减少背景和噪声的干扰，接着对残差图像进行非下采样Contourlet 变换，利用非下采样Contourle分解后子图像的特性抑制剩余的背景并消除噪声，提高了目标信噪比，最后通过对得到的增强图像进 行自适应阈值分割处理，检测出了小目标。仿真实验结果表明，与基于小波变换的红外小目标检测算法相比，该方法能够较精确 地检测出红外小目标，具有较高的检测率和较小的平均虚警数。