针对同时兼顾大范围搜索和精确识别目标的迫切需求，研制了一种大变倍比红外变焦成像系统，设计两片独立运动的变倍镜及一片补偿镜，通过两个变倍镜级联的方式获得大变倍比。结合系统运动镜片多及变焦曲线复杂的特点，采用直线运动机构实现镜片变焦运动，使用集成编码器及螺纹丝杆的直线电机作为驱动。通过有限元仿真开展了系统力学分析，所设计镜片最大位移为3.04×10^-3 mm。成像系统适用于中波红外制冷式640×512焦平面阵列探测器，变倍比达到55倍。实验室成像及外场实景成像的结果表明，系统在焦距由6 mm至330 mm连续变化的过程中成像清晰、像质良好，验证了系统的连续变焦成像性能，该设计合理可靠。研究成果在搜索、跟踪、侦察、监视等方面有广阔的应用前景。

分焦平面偏振探测系统受其探测器结构的影响，成像分辨率低于探测器实际分辨率，本文在不改变光学系统结构下使用微扫描获取亚像元微位移帧序列，提出一种改进的凸集投影(Projection On Convex Sets, POCS)算法用于提升偏振成像系统的成像分辨率。该算法首先对获取到的偏振微扫描图像序列进行检偏角分离，将同组检偏角图像序列作为输入，其次进行位移匹配与凸集投影迭代初步重建高分辨率图像，然后将图像分组进行滑动窗口非邻域聚类，利用主成分分析将聚类后的图像进行降维，最后将每一维信息视为时间采样函数，在小波域进行软阈值降噪。实验表明，本算法可以有效的提高传统POCS算法的抗噪性能，提高分焦平面偏振探测系统的成像分辨率，和同类算法相比结构相似性系数提升0.02，峰值信噪比提升约1 dB，并且拥有更高的噪声鲁棒性。

红外探测系统需要尽早发现目标以便及时拦截，但是红外图像上的小目标检测是一个挑战十足的任务。为了提高检测准确率，提出一种基于自适应对比度增强的红外小目标检测方法。为了利用自注意力机制和卷积各自的优势，设计了一个高效的特征提取网络和一个面向小目标的检测头。同时为了解决实际应用中出现的弱目标，在检测子网络前添加了一个图像预处理子网络，该模块可以自适应地调节图像对比度。在红外空中小目标数据集上的实验表明，提出的方法能达到93.76%的检测精度，与经典的检测方法相比，能够更好地平衡检测精度和召回率，证明了方法的巨大应用潜力。

针对复杂背景下尺寸未知的红外弱小目标检测难题，一种基于聚类思想的红外弱小目标检测方法被提出。首先，利用小目标形态学特征对原始红外图像进行预处理，生成新的密度特征图。其次，使用改进的密度峰聚类算法对潜在候选目标进行粗定位。然后，针对潜在目标的局部候选集，采用加权模糊集聚类算法对局部候选集进行目标与背景区域的精细分割，利用目标与背景之间的差异性在增强目标的同时抑制虚警。最后，对处理后的局部候选集进行自适应阈值提取真实目标。实验结果表明，与7种对比算法相比，该算法对尺寸未知的小目标具有良好的鲁棒性和检测性能。

雾霾天气由于悬浮粒子的存在，降低了红外成像系统的对比度和视觉质量。现有的去雾方法大多侧重于增强全局对比度或在图像中采取局部网格透射率估计策略，容易导致图像信息丢失、光晕伪影以及天空区域失真的现象。针对这些问题，本文提出了一种基于超像素结构分解以及信息完整性保护的单幅图像去雾方法。在该模型中，首先基于局部结构信息，设计了分层超像素算法自适应地将图像分割成多个目标区域以消除光晕伪影。同时为了避免局部高亮目标造成估计误差，采用基于超像素块的改进四叉树细分方法获得全局大气光值。在此基础上，利用组合约束通过最小化信息损失实现透射率图最优化。在真实红外雾天图像上的实验表明，在定性和定量方面与现有的经典算法相比，本文所提方法在对比度和可见性方面具有优越性。

自然环境复杂多变，存在复杂天气如雨雪雾，草木摇晃和水面波动等大量动态背景并且光线不断变化，因此对噪声以及背景的抑制一直是复杂场景中运动目标检测的首要难题。为了抑制动态背景、慢速目标被吸收以及图像编码噪声等问题，在保证实时性的基础上，提出了一种基于纹理特征的自适应阈值运动目标检测算法。所提算法将感知哈希算法与局部二值模式结合，提出了一种改进的Hash_LBP算法并使用汉明距离进行约束，得到输入图像的局部二值模式值进行频次统计后，完成背景建模和前景提取。实验结果表明，所提算法对于红外和可见光等多种复杂背景，能够有效地抑制噪声、光照变化和动态背景，快速准确提取前景目标。

在雨雪天气、树叶晃动、水面闪烁等有复杂背景的可见光与红外场景中，快速准确地提取完整目标一直是运动目标检测中的首要难题。为了满足实时性，并针对现有视频的前景提取算法依赖先验信息、召回率低、缺乏纹理和噪声较大等问题，提出了一种基于直方图统计和改进的局部二值模式（Local Binary Pattern，LBP）纹理特征相结合的背景建模方法。首先，使用各像素直方图的众数作为参考背景，无需先验知识，节省了大量存储空间，再采用邻域补偿策略提出了一种改进的S_MBLBP纹理直方图与参考背景进行背景建模，消除了大部分动态背景和光照变化影响，实现目标的精确提取。实验表明，所提的算法在红外和可见光的多种复杂场景下，能快速提取前景目标的同时，提高了准确率和召回率。