非负矩阵分解通过将一个非负矩阵分解为两个正矩阵的乘积，已经广泛的应用于高光谱图像解混。但是非负矩阵分解直接应用于高光谱图像混合像元分解时收敛速度比较慢，容易陷入局部最优解。本文首先介绍了非负矩阵分解的基本原理，然后利用自动形态学端元提取方法获取端元光谱对非负矩阵分解中端元矩阵进行初始化。在保证非负矩阵分解中非负性和分解精度基础上，利用高光谱图像中端元光谱的非负性及其空间分布的连续性、稀疏性来对非负矩阵分解进行约束限制，其中稀疏性度量是通过非平滑的 NMF算法和稀疏约束的 NMF算法来实现的。最后采用多步内循环迭代的方法更新端元矩阵和丰度矩阵完成高光谱图像解混，对实际的高光谱图像进行解混取得了较好分类效果。

为了减少红外图像中起伏背景对弱小目标检测的影响，提出一种各向异性的红外背景预测方法。根据红外图像目标区域和平稳背景区域、起伏背景区域的局部梯度特性的差异，引入各向异性微分的思想，并将其边缘停止函数改进为方向梯度值的递增函数，然后用边缘停止函数最小两个方向值的均值作为背景预测值，实现了对不同方向特性背景区域的差异化预测。仿真实验表明，该算法选择性地保留了红外图像的平稳背景和起伏背景区域，达到了良好的背景预测效果。

为检测红外序列图像中的运动弱小目标，分析了目标在序列图像中的运动特性和概率分布特性，以及目标和噪声在序列中的能量分布特性。提出连续M帧高阶累积方法来增强运动弱目标能量，用假设检验对目标和背景进行分割，通过搜寻序列运动能量中心来实现目标的多帧关联检测。通过仿真实验证明了算法对红外弱小目标检测有效性。

在深入研究红外弱小目标的成像特性, 并分析现有分割算法的基础之上, 针对空中红外弱小目标提出一种基于局部极大值的红外弱小目标的分割方法。该方法利用红外弱小目标所在像素点与周围像素点的灰度值的梯度关系来搜索图像中的局部极大值, 并通过多步长融合表决分割红外弱小目标。仿真实验证明了算法的有效性。

本文对弦变换、弦空间特征的描述进行了详细研究，通过实验实现了几何形状特征提取的具体实现方法，并验证了特征的鲁棒性。此特征不但具有二维的平移、旋转和尺度不变性，同时对由仿射变换引起的形变也具有一定容忍度。另外，利用特定几何形状的弦空间特征对边缘图像做近似滤波的反弦变换后，可以保留与特定形状相似或相同的目标边缘，而忽略其它不感兴趣的边缘。最后实验结果表明，用此特征进行几何形状的相似性匹配是有效的，并且这种方法简单易懂，容易实现，可以用于目标识别、跟踪等许多方面。

利用相邻两帧图像的运动信息更新特征块提取阈值,实时地提取出当前帧图像中最能体现背景运动特征的特征块.采用块匹配的运动估计方法获取了各块的运动矢量,再依据所有特征块运动矢量的统计特性提取出背景运动矢量来配准差分,实现了目标的检测.实验结果表明,此方法能有效地检测复杂背景下的运动目标.

为了解决多目标跟踪中数据存储量、运算量大与实时处理之间的矛盾,提出了一种基于倒角算子距离变换的多目标分离方法,分别提取出各个目标的位置和大小信息,再采用五点二次预测估计出下一场目标的位置从而得到目标的运动速度,最后由改进的加权最近邻算法进行目标特征关联.在Xilinx XCV300E + ADI Blackfin 532 DSP平台上实现该算法,试验结果表明能在20ms内完成图像处理输出脱靶量,达到实时处理的要求.实验室模拟多目标交叉运动,能准确跟踪原有目标而不受新进入目标的影响.

目标搜索的理特征难以对目标进行有效搜索,而运动特征是可利用的有效特征.提出了一种基于运动矢量分类的扩展目标搜索算法,将前一帧图像均匀分块,对每块在其周围与当前帧图像块匹配,得到每块的运动矢量,依据目标块与背景块的运动方向差异剔除背景块,再依据目标块的集中性及其运动矢量的相等特性提取目标块,目标块中心的平均即为目标的近似形心.实验表明,该方法能够有效地对复杂背景下扩展目标进行搜索.

红外探测器工作时间长或太阳直射时,可观察到红外图像有热晕现象.红外探测器观察的景物亮度或对比度通常很低,此时热晕对红外像质的影响比较严重.针对上述情况,研究用数字图像处理的方法--帧相减、反色相加,对红外图像进行实时背景补偿,以便消除热晕的影响.在此基础上用数学形态学去除图像中的噪声点,突出目标.理论和实验结果表明,对红外图像的热晕补偿改善了图像的质量.

针对红外图像低对比度、低信噪比等特点,为提高红外小目标的探测能力,提出一种用于红外小目标预处理方法:在对图像进行热晕消除的基础上,结合空间数字滤波,形态学运算,能量累积及帧间分析等先进技术进行处理,采用大规模可编程门阵列(FPGA)来实现,实时给出高质量的图像信息.仿真证明,该方法是有效的.