为有效去除动态背景对弱小目标信号的干扰, 提出改进特征空间的红外弱小目标背景建模法来抑制背景。先采用改进的各向异性滤波算法从空域角度进行滤波以约束图像各个组分的差异, 紧接着取连续时间域上多帧滤波后的图像组成一个特征矩阵, 借助于主成分分析法进行特征分解, 最后将输入图像投影到特征空间上进行背景建模, 同时为了适应动态变化的背景, 在时域上以一定学习率来更新背景模型。实验结果表明, 提出的算法比传统的算法取得更好的背景估计效果, 结构相似性 SSIM、对比度增益 I和背景抑制因子 BIF分别大于 0.97、15.46和 5.25。

为了有效解决动态背景变化导致弱小目标检测率低的问题, 文中提出了改进时空滤波的红外弱小目标检测算法。首先在分析红外图像成像特性的基础上, 针对目标区、背景区和边缘轮廓区不同梯度特性的差异, 提出改进的各向异性空域滤波算法, 该算法充分利用空间域的梯度信息来构建不同方向的扩散滤波函数, 并结合图像不同特性的梯度差异选取扩散函数值最小的两个方向的均值作为时域滤波结果, 以最大限度地保留目标信号; 接着为有效增强弱小目标的能量, 针对高阶累积量仅利用像元点时域信息来构建能量增强的不足, 提出了一种结合时空邻域块的能量增强算法, 实验表明, 本文提出的算法能有效提升动态场景下的弱小目标的检测能力。

由于红外弱小目标尺度小、能量弱，所以抑制背景以增强目标使后期检测跟踪性能得到保障是关键的目标检测技术环节。为了提高梯度倒数滤波算法对杂波纹理的抑制能力，减少差分图像中残留纹理对目标的干扰，本文提出了自适应梯度倒数滤波算法(AGRF)。AGRF 算法通过分析背景区域、杂波边缘纹理、目标的分布特性和统计数字特征来确定邻域像素间相关性的自适应联合判定阈值和自适应相关度系数函数，然后联合相关度系数函数和梯度倒数系数来确定自适应梯度倒数滤波器的元素值。实验结果表明，在具有相同目标增强性能的前提下，AGRF 算法相比传统梯度倒数滤波算法对杂波边缘纹理的敏感度明显降低。相比九种对比算法，AGRF 算法能够在背景抑制和目标增强这两者之间取得更好的性能平衡。

针对低信噪比(SNR<3 dB)场景下弱小目标跟踪问题，提出了改进的粒子滤波跟踪方法。本文首先通过空间位置加权的方式来获取灰度特征，并将邻域运动模型和灰度概率图相结合来获取弱小目标运动特征，然后构建灰度与运动特性的联合观测模型来计算粒子权值。同时在跟踪过程中考虑到目标的灰度分布特性并不稳定，加入了自适应更新参考目标灰度模板的策略，最后采用几组真实场景来验证本文算法的跟踪效果。实验证明：和传统算法相比，本文算法增强了低信噪比(SNR<3 dB)场景下红外弱小目标跟踪能力。

红外弱小目标易淹没在复杂的起伏背景中，为了提高后续目标的检测能力，往往需要通过抑制背景来增强目标信号。传统梯度倒数加权滤波对背景边缘缺乏稳健的适应性，本文提出了改进的梯度倒数加权滤波算法，即通过建立背景局部区域相关函数，利用背景局部统计特性自适应调整滤波参数，能较好地适应剧烈变化的背景，提高背景抑制能力。实验表明，改进的梯度倒数滤波器能对图像背景进行有效的抑制，总体性能优于其他背景抑制方法。